video-generation 第 3 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 3 / 10 页）
FollowYourClickFollow-Your-Click 是一个基于 AAAI 2025 论文的开源区域图像动画工具，通过简短提示词（如“挥手”“走路”）驱动静态图片中指定区域生成动★ 908
VistaVista是一个面向自动驾驶的通用世界模型，来自NeurIPS 2024。它解决的核心问题是：自动驾驶系统如何在没有标注数据的情况下，预测和想象未来的驾驶场景。★ 908
SeedVR2SeedVR2 是一个基于扩散对抗后训练的一步式视频修复项目，旨在解决传统视频修复方法需要多步采样、计算量大且难以处理真实世界复杂退化的问题。它采用扩散Tran★ 907
ima2-genima2-gen 是一个极简的命令行工具和网页界面，用于调用 OpenAI 的 GPT Image 2 图像生成模型。它解决了开发者快速、灵活生成图片的需求，支★ 876
ima2-genima2-gen 是一个本地优先的视觉生成运行时与工作台，面向人类用户和编码 Agent，解决多供应商图像/视频生成流程难以复现、难以编排的问题。它把 Open★ 876
ConsisIDConsisID 是一个面向身份保持的文本到视频生成模型，由 CVPR 2025 Highlight 论文提出。它解决的是在视频生成中，如何根据文本描述生成指定★ 863
ControlVideoControlVideo 是一个无需训练的文本生成视频方法，基于现有文本到图像扩散模型（如 Stable Diffusion）实现可控的视频生成。它解决了文本到★ 861
UniAnimate-DiTUniAnimate-DiT 是一个基于大规模视频扩散 Transformer 的人体图像动画开源项目。它解决的核心问题是：给定一张静态人物图片和一段目标动作视★ 854
Matrix-3DMatrix-3D 是一个从单张图片或文本提示生成大规模可探索 3D 场景的开源项目。它通过生成高质量的全景视频，让用户能够在虚拟 3D 空间中自由漫游。该项目★ 847
DiffusionAsShaderDiffusionAsShader 是 SIGGRAPH 2025 论文的官方实现，提出将视频扩散模型视为可编程着色器，实现 3D 感知的视频生成控制。它解决传★ 847
comfyui-mcpComfyUI-MCP 是一个本地优先、面向智能体的 ComfyUI 控制平面，包含 MCP 服务器和侧边栏智能体。它解决了 ComfyUI 操作门槛高、工作流★ 844
kandinsky-5Kandinsky 5.0 是一个基于扩散模型的视频与图像生成项目，旨在提供高质量的多模态生成能力。它解决了从文本到视频和图像的统一生成问题，支持文本到视频、文★ 843
lmms-enginelmms-engine 是一个面向多模态大模型训练的统一引擎，旨在简化视频、图像、音频与文本等多模态数据的模型训练流程。它解决了多模态模型训练中框架碎片化、配置★ 832
DiT-ExtrapolationDiT-Extrapolation 是 ICML 2025 论文《RIFLEx: A Free Lunch for Length Extrapolation i★ 832
open-webui-tools专为 Open WebUI 打造的模块化工具集，提供 15 余种专业工具、函数管道与过滤器，可将 Open WebUI 升级为强大的 AI 工作站。支持学术研究★ 823
rcmrCM（Rectified Consistency Models）是一个专注于视频扩散模型蒸馏的开源项目，旨在将大规模视频扩散模型转化为少步生成模型，实现双向和★ 823
DriveAGIDriveAGI 是一个基于 CVPR 2024 Highlight 论文 GenAD 实现的开源自动驾驶预测模型。它旨在通过大规模视频数据预训练一个通用的驾驶★ 808
Autoregressive-Models-in-Vision-Survey这是一份关于视觉自回归模型（AR models）的综述论文项目，发表于TMLR 2025。它系统梳理了自回归模型在计算机视觉领域的研究进展，涵盖图像生成、视频预★ 807
InfinityStarInfinityStar 是一个基于自回归模型的视觉生成框架，由 NeurIPS 2025 Oral 论文提出，核心思想是统一时空自回归建模（Unified S★ 790
awesome-video-generation这是一个精选视频生成研究资源的列表，收录了文本到视频生成、视频编辑、视频预测等领域的重要论文、代码和数据集。项目以分类整理的方式，帮助研究者快速了解视频生成技术★ 787
SolarWMSolarWM 是一个面向长时程视频世界模型的开源训练项目，核心目标是提供开放数据与可扩展的训练方案，让模型能够根据单张图片或初始帧，持续预测并生成长时间跨度的★ 787
MaestroMaestro 是一个 100% 本地运行的一站式 AI 视频、图像和音乐创作工作室，基于 WanGP 管线构建，通过 Pinokio 一键安装。它解决的是本地★ 782
MagicDanceMagicDance（又称MagicPose）是一个基于扩散模型的人体姿态与面部表情重定向工具，由ICML 2024论文提出。它解决的是在保持人物身份特征（如面★ 779
higgsfield-ai-prompt-skill这是一个为 Claude Code 设计的 AI 技能包，专注于生成电影级 Higgsfield AI 视频提示词。它包含 32 个子技能，覆盖 Seedanc★ 767
ai-shortVideo-pipeline这是一个端到端的AI短视频生产流水线项目，旨在解决从创意到成片过程中多模型调用复杂、稳定性差、质量不可控等问题。它采用FastAPI编排核心流程，Spring ★ 760
nano-world-modelnano-world-model 是一个极简但功能完备的世界模型研究仓库，旨在推进世界模型科学的发展。它基于扩散强制（diffusion-forcing）技术，★ 759
cosmos-transfer2.5Cosmos-Transfer2.5 是 NVIDIA 开源的视频生成模型，基于 Cosmos-Predict2.5 构建，专注于多空间控制条件下的高质量世界模★ 749
awesome-text-to-video这是一个关于文本生成视频（Text-to-Video）领域的精选资源列表，本质上是一份技术综述。项目系统梳理了该方向的研究论文、开源模型、数据集和工具，覆盖从早★ 745
SparkVSRSparkVSR 是一个基于稀疏关键帧传播的交互式视频超分辨率工具，由 ECCV 2026 论文提出。它解决传统视频超分方法计算量大、无法实时交互的问题，通过智★ 745
Flow-FactoryFlow-Factory 是一个面向 Flow-Matching 模型的统一强化学习框架，旨在简化基于流匹配的生成模型（如扩散模型）中的强化学习训练流程。它解决★ 731
MagicDrive-V2MagicDrive-V2 是 ICCV 2025 论文的官方实现，面向自动驾驶场景的高分辨率长视频生成模型。它解决现有驾驶视频生成模型在分辨率、时长和可控性上★ 724
wind-comicwind-comic 是一个基于多智能体（Multi-agent）的 AI 视频生成流水线，输入一句话，即可自动产出完整的短剧视频。它串联了剧本创作、电影级分镜★ 716
Awesome-Video-World-Models-with-AR-Diffusion这是一个精心整理的视频世界模型资源清单，聚焦于自回归扩散（AR Diffusion）技术路线。项目系统梳理了该领域的算法、应用与基础设施，旨在为研究人员、工程师★ 714
diffusion-forcing-transformerdiffusion-forcing-transformer 是 ICML 2025 论文《History-Guided Video Diffusion》的官方 ★ 710
ChronoEditChronoEdit 是一个面向图像编辑与世界模拟的时间推理框架，由 ICLR 2026 论文提出。它解决的是现有图像编辑模型缺乏对时间动态理解的问题，即无法根★ 708
SynCamMasterSynCamMaster 是一个多视角同步视频生成框架，解决现有单视频生成模型无法在多个不同视角下生成内容一致、时间同步的视频的问题。它通过引入多相机同步机制，★ 703
openstoryopenstory 是一个基于 TanStack Start 构建的开源 AI 视频序列生成平台。它主要解决视频创作中脚本到成片流程割裂的问题，通过 AI 能力★ 683
Awesome-CVPR2026-CVPR2025-ICCV2025-CVPR2024-ECCV2026-ECCV2024-AIGC这是一个汇集CVPR、ICCV、ECCV等顶级计算机视觉会议中AIGC相关论文与代码的精选列表。项目旨在解决研究者难以系统追踪前沿AIGC成果的问题，按会议年份★ 674
magvit2-pytorchMagViT2 的 PyTorch 非官方实现，专注于视频数据的离散化编码。它解决的核心问题是将连续视频帧转换为离散 token，以便用于后续的视频生成或理解任★ 669
NOVANOVA 是一个面向图像与视频生成的自回归模型开源项目，核心创新在于摒弃了传统自回归生成中必需的向量量化（VQ）步骤，直接对连续特征进行建模。该项目由论文《Au★ 660
AnimateLCMAnimateLCM 是一个面向个性化风格视频生成的计算高效方法，发表于 SIGGRAPH ASIA 2024。它解决了现有视频生成模型在个性化定制时需要大量视★ 657
AlayaRendererAlayaRenderer 是一个面向游戏和虚拟世界的生成式世界渲染器，定位为 AI 原生渲染管线。它利用扩散模型和 G-buffer 技术，将传统渲染流程与视★ 649
Vibe-WorkflowVibe-Workflow 是一个免费开源的节点式 AI 工作流构建器，旨在替代 Weavy AI、Krea Nodes、Freepik Spaces 等商业工★ 627
explainrooexplainroo 是一个开源的 AI 讲解视频与产品演示生成工具，让 AI 代理（如 Claude Code、Codex）把一段脚本自动变成带旁白的 MP4★ 620
AetherAether 是一个面向具身智能与空间智能的统一世界模型，核心解决视频生成中几何一致性缺失的问题。它通过融合4D重建与生成技术，在生成视频的同时显式建模场景的几★ 613
ARIS-in-AI-OfferARIS-in-AI-Offer 是一个面向 AI 领域秋招的中英双语面试速查表项目，由 ARIS 工具链自动生成。它解决 AI 求职者备考资料分散、更新不及时★ 611
awesome-generative-ai-apps这是一个精选的开源生成式 AI 应用合集，收录了 50 多个可直接克隆、部署并商业化的项目，涵盖图像生成、视频工具、虚拟试穿、AI SaaS 模板及平台集成等类★ 610
Vista4DVista4D 是一个用于视频重拍（Video Reshooting）的 4D 点云生成与渲染框架，核心解决视频中动态场景的视角变换问题。它通过从单目视频中重建★ 609
SpatialVIDSpatialVID 是一个面向视频生成与空间智能研究的大规模视频数据集，由 CVPR 2026 论文提出。它解决了现有视频数据集缺乏空间标注、难以支撑 4D ★ 608
NomiNomi 是一个开源的 AI 视频工作台，定位为本地优先的桌面应用。它解决的核心问题是：在 AI 视频生成流程中，创作者往往需要在多个工具间切换，且难以对生成结★ 590