video-generation 第 2 页
本站收录 486 个带「video-generation」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 10 页）
LocalMiniDramaLocalMiniDrama 是一款开源的本地 AI 短剧与漫剧生成工具，旨在让创作者在完全离线、数据不出本机的环境下，一站式完成从故事构思、分镜设计到视频成片★ 2,155
Code2VideoCode2Video 是一个基于代码生成教学视频的开源项目，核心思路是将编程代码的执行过程转化为动态视频，用于教学演示或技术讲解。它通过多智能体协作，解析代码逻★ 2,148
mlx-servemlx-serve 是一个专为 Apple Silicon 设计的原生 LLM 推理服务器，使用 Zig 语言编写，无需 Python 环境。它兼容 OpenA★ 2,004
ReCamMasterReCamMaster 是一个基于单段视频的相机控制生成式渲染工具，核心解决视频重渲染中相机视角无法自由控制的问题。它利用 4D 场景表示和生成式模型，从输入视★ 1,887
VideoClawVideoClaw 是一个基于多智能体系统的 AI 视频生成工具，旨在将用户的一句话创意自动转化为完整影片。它解决了传统视频制作流程繁琐、门槛高的问题，通过集成★ 1,870
VBenchVBench 是一个专为视频生成模型设计的综合评估基准，由 CVPR 2024 Highlight 论文提出。它解决了视频生成领域缺乏统一、细粒度、自动化评估标★ 1,827
dreamtalkDreamTalk 是一个基于扩散概率模型的逼真说话人头生成项目，源自同名论文的官方实现。它解决的是从单张静态人脸图像和一段语音音频，生成具有自然表情、唇形同步★ 1,788
video-podcast-makervideo-podcast-maker 是一个面向编程智能体（如 Claude Code）的自动化视频生成工具，能将主题直接转化为带配音和字幕的 4K 视频。它★ 1,691
ai-fusion-video融光（ai-fusion-video）是一个基于 Java 后端与 Agent 架构的全流程 AI 短剧、漫剧和视频创作平台。它旨在解决传统视频制作流程繁琐、成★ 1,642
ai-moive-studioai-moive-studio（AICON）是一个自然语言驱动的无限画布工作流 Agent，面向 AI 视频创作者。它解决的核心问题是：现有 AI 视频工具大多★ 1,620
MiniMax-MCPMiniMax-MCP 是 MiniMax 官方推出的 Model Context Protocol (MCP) 服务器，旨在将 MiniMax 的多模态生成能★ 1,593
MIMOMIMO 是一个可控角色视频合成框架，通过空间分解建模实现高质量的角色动画生成。它解决了现有方法在角色视频生成中运动控制不精细、背景与前景耦合导致编辑困难的问题★ 1,578
PhantomPhantom 是一个基于扩散模型的文生视频（Text-to-Video）开源项目，专注于解决视频生成中主体一致性问题。它通过跨模态对齐技术，确保在生成的视频中★ 1,530
gbro-collage-brollgbro-collage-broll 是一个基于 Gemini Omni Flash 的视频生成技能（skill），专门用于制作半调纸拼贴风格的 B-roll ★ 1,451
4DAnyone4DAnyone 是一个从单目视频生成动态 4D 人物的开源项目，由 SIGGRAPH Asia 2026 收录。它解决了从日常随意拍摄的单目视频中重建出可自由★ 1,435
short-video-maker这是一个基于 TypeScript 构建的短视频自动生成工具，专为 TikTok、Instagram Reels 和 YouTube Shorts 等平台设计。★ 1,423
video-diffusion-pytorchvideo-diffusion-pytorch 是 Jonathan Ho 论文《Video Diffusion Models》的 PyTorch 实现，将 D★ 1,391
TeaCacheTeaCache 是一个面向视频扩散模型的推理加速工具，通过缓存时间步嵌入来跳过冗余计算，从而在不明显损失生成质量的前提下大幅提升视频生成速度。它解决了视频扩散★ 1,385
cosmos-predict2.5Cosmos-Predict2.5 是 NVIDIA 开源的视频生成模型，属于 Cosmos 世界基础模型（WFM）系列的最新版本，专注于以视频形式模拟和预测世★ 1,383
LanceLance 是一个仅 3B 激活参数的原生统一多模态模型，专攻图像与视频的理解、生成和编辑。它解决了传统多模态模型需要庞大参数、且各任务分离的问题，通过单一模型★ 1,358
FollowYourPoseFollow-Your-Pose 是 AAAI 2024 的官方实现，解决文本到视频生成中姿态控制难的问题。它利用无需姿态标注的视频训练，通过姿态引导生成符合指★ 1,356
BerniniBernini 是一个统一的视频生成与编辑框架，将基于多模态大语言模型（MLLM）的语义规划器与基于扩散Transformer（DiT）的渲染器相结合。它解决的★ 1,339
MagicTimeMagicTime 是一个专注于生成延时摄影视频的开源项目，核心能力是将文本描述转化为自然演变过程的延时视频，例如花朵绽放、冰雪融化、云卷云舒等。它基于扩散模型★ 1,336
MotusMotus 是一个统一潜在动作世界模型，用于视频生成和机器人操作。它基于扩散模型，将视觉、语言和动作融合到一个潜在空间中，通过预测未来的视频帧来学习世界的动态规★ 1,313
articulated-animationarticulated-animation 是论文《Motion Representations for Articulated Animation》的官方代码★ 1,279
ComfyUI-H3-Motion-ContextComfyUI-H3-Motion-Context 是一个为 ComfyUI 设计的自定义节点包，专门解决 MiniMax H3 视频生成模型中片段拼接时运动与★ 1,277
StableAvatarStableAvatar 是一个基于视频扩散 Transformer 的端到端数字人视频生成框架，只需输入一张参考图和一段音频，即可生成无限长度、高质量的口播视★ 1,268
SpargeAttnSpargeAttn 是一个训练无关的稀疏注意力加速库，旨在加速任意模型（尤其是视频生成模型）的推理过程。它通过利用注意力分数中的稀疏性，动态跳过不重要的计算，★ 1,263
HunyuanCustomHunyuanCustom 是一个基于多模态驱动的定制化视频生成架构，旨在解决现有视频生成模型难以对特定主体进行个性化控制的问题。它通过融合音频、图像和文本等多★ 1,231
UniAnimateUniAnimate 是一个用于人类图像动画生成的统一视频扩散模型，基于 SCIS-2025 论文开源。它解决的是从单张人物图片和动作序列生成连贯、自然的人物动★ 1,190
wunjo.wladradchenko.ruWunjo CE 是一个本地运行的开源多媒体创作工具，集成了人脸替换、唇形同步、视频生成、物体/文字/背景移除、风格重绘、音频分离和声音克隆等多项 AI 能力。★ 1,181
MagicDriveMagicDrive是ICLR 2024收录的论文官方实现，专注于自动驾驶场景的街景图像生成。它通过扩散模型结合3D几何控制，解决自动驾驶数据稀缺和多样性不足的★ 1,165
movie-narratormovie-narrator 是一个基于 Python 的开源工具，目标是用一条提示词自动生成带解说的电影解说视频。它把原本需要人工完成的多个环节串联成流水线：★ 1,151
MOVAMOVA 是一个统一的多模态基础模型，能够在一个模型中同时生成同步的视频和音频，解决了传统视频生成中音画分离、需要额外配音或后期对齐的痛点。它基于扩散模型架构，★ 1,126
echomimic_v3EchoMimicV3 是一个面向数字人动画生成的开源项目，由 AAAI 2026 论文提出，核心思路是用 1.3B 参数的小模型统一实现多模态、多任务的人体动★ 1,091
MotionDirectorMotionDirector 是 ECCV 2024 Oral 论文的开源实现，专注于文本到视频扩散模型的运动定制。它解决的是现有视频生成模型难以精确控制动作、★ 1,061
SCAILSCAIL 是一个面向工作室级角色动画生成的视频生成项目，核心解决传统角色动画制作中姿态控制不精准、3D 一致性差的问题。它通过上下文学习（In-Context★ 1,060
awesome-agent-apis这是一个精选的AI代理API与工具目录，聚合了660多个由muapi托管的生成式媒体模型，以及社区提交的第三方API工具，覆盖SEO、数据丰富、社交媒体、网络爬★ 1,057
awesome-3d-4d-world-models这是一个关于3D和4D世界建模的综述性资源列表，收录了TPAMI 2026论文《3D and 4D World Modeling: A Survey》中引用的相★ 1,012
Causal-ForcingCausal-Forcing 是 ICML 2026 论文的官方代码库，提出了一种自回归扩散模型的蒸馏方法，旨在实现高质量、实时的交互式视频生成。它解决了传统扩★ 1,008
magvitMAGVIT 是 Google 发布的视频生成模型，基于掩码生成式视频 Transformer 架构，官方提供 JAX 实现。它解决的核心问题是高效、高质量的视★ 1,002
Awesome-CV-MasterHubAwesome-CV-MasterHub 是一个计算机视觉领域的论文精选列表，汇总了图像生成、分类、描述、去雾、去噪、增强、融合等多个方向的最新研究成果。它解决★ 982
lingbot-videolingbot-video 是一个面向具身智能的视频生成预训练项目，核心思路是用混合专家（MoE）架构扩展视频预训练规模。它解决的是机器人或智能体在真实世界中缺★ 974
animate-anythinganimate-anything 是一个基于扩散模型的图像动画化开源项目，旨在将静态图片按照用户指定的运动引导（如轨迹、姿态或文本描述）生成细腻的动态视频。它解★ 973
TikTok-Compilation-Video-Generator这是一个用于自动生成TikTok合集视频的机器人系统，由三个独立程序组成：自动采集、浏览筛选和视频合成。它通过自定义过滤器自动收集视频片段，用户可轻松浏览并挑选★ 968
SEINESEINE 是一个基于扩散模型的视频生成工具，专注于短片段到长视频的生成，以及视频之间的平滑过渡。它解决了现有视频生成模型难以生成连贯长视频和实现视频间自然转场★ 966
videocomposerVideoComposer 是一个基于扩散模型的视频合成框架，由阿里巴巴研究团队开发。它解决了传统视频生成中运动控制困难的问题，允许用户通过多种条件（如文本、图★ 954
FancyVideoFancyVideo 是一个早期的视频生成开源项目，支持从文本和图像生成视频，属于第一代此类工具。它主要解决用户快速将文字描述或静态图片转化为动态视频片段的需求★ 920
flatkey-cliflatkey-cli 是一个基于 JavaScript 的媒体生成命令行工具，专注于生成式 AI 领域。它解决了开发者在终端中快速调用多种 AI 媒体生成能力★ 911
ditto-talkingheadDitto 是一个面向实时可控说话人头像合成的运动空间扩散模型，发表于 ACM MM 2025。它解决的是传统音频驱动肖像动画中动作僵硬、可控性差、实时性不足的★ 911