video-generation 第 5 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 5 / 10 页）
large-performance-model.github.ioLPM 1.0 是一个基于视频的角色表演模型，旨在从视频中提取并生成角色的动态表演。它解决的是传统角色动画制作中流程复杂、成本高的问题，核心能力包括实时视频驱动★ 363
DirectorsConsoleDirectorsConsole 是一个基于 Web 的 AI 视频与图像生成工作台，专为导演和创作者设计。它解决了在 ComfyUI 工作流中难以高效管理多个★ 361
Seedance-2-APISeedance-2-API 是一个针对字节跳动 Seedance 系列视频生成模型的 Python 封装库，支持 Seedance 2.0、2.5 和 Min★ 358
HunyuanPortraitHunyuanPortrait 是腾讯混元团队开源的肖像动画框架，核心解决传统肖像驱动中显式条件（如关键点、深度图）控制粒度不足的问题。它提出隐式条件控制机制，★ 357
physgenPhysGen 是一个基于物理模拟的图像到视频生成项目，来自 ECCV 2024。它主要解决现有图像动画方法生成的视频缺乏真实物理交互的问题，比如物体运动不符合★ 356
VideoSceneVideoScene 是一个 CVPR 2025 Highlight 项目，旨在将视频扩散模型的知识蒸馏到前馈网络，实现一步生成 3D 场景。它解决传统 3D ★ 355
HumanVidHumanVid 是一个面向人体视频生成的开源项目，发表于 NeurIPS 2024 D&B Track。它主要解决高质量、可控的人体视频数据稀缺问题，通过结合★ 350
RealVideoRealVideo 是一个实时流式对话视频生成系统，利用自回归扩散模型将文本交互转化为连续、高保真的视频响应。它解决了传统视频生成延迟高、无法实现实时对话式交互★ 346
sdk这是一个面向视频生成场景的TypeScript SDK，核心思路是用JSX语法来声明式地描述视频内容，然后通过统一API接入Kling、Flux、ElevenL★ 342
AstraAstra 是一个面向视频生成与交互式世界建模的开源项目，核心思路是用自回归去噪（Autoregressive Denoising）构建通用交互式世界模型。它解★ 340
frametellFrametell 是一个本地优先的 AI 讲解视频生成工具，核心是一个“AI 导演代理”，能把你的想法和素材自动编排成生动的解说视频。它解决的是传统做讲解视频★ 340
TE-Speed-MiniMaxH3-OSSTE-Speed-MiniMaxH3-OSS 是一个针对 MiniMax-H3 视频生成模型的推理加速插件，通过超级缓存机制显著提升生成速度。它解决了 Mini★ 338
DataMagicDataMagic 是一个 AI 驱动的数据到视频生成工具，用户上传表格数据，即可自动生成带有旁白和动画的数据故事视频。它解决了数据展示枯燥、制作数据视频门槛高★ 336
MagiCompilerMagiCompiler 是一个面向视频生成模型的即插即用编译器，旨在为推理和训练提供免费的性能优化。它解决了视频生成模型在部署和训练过程中计算开销大、效率低的★ 334
OmniTokenizerOmniTokenizer 是一个用于图像和视频联合分词（tokenization）的统一模型，来自 NeurIPS 2024。它解决了图像和视频生成中分词器不★ 333
Orkas-VideoStudioOrkas-VideoStudio 是一个将编程代理转变为视频工作室的开源工具。它允许用户用自然语言描述视频内容，然后由 AI 代理自动编写时间线并生成视频文件★ 331
Awesome-Physics-Cognition-based-Video-Generation这是一个聚焦视频生成中物理认知方向的论文列表，旨在系统梳理该交叉领域的研究进展。它解决了研究者难以快速获取物理感知视频生成相关论文、代码和资源的问题。项目按主题★ 330
Kiwi-EditKiwi-Edit 是一个统一且完全开源的视频编辑框架，支持通过自然语言指令和参考图像引导视频编辑。它解决了视频编辑中指令理解不准确、编辑控制不精细的问题，核心★ 330
product-launch-motionproduct-launch-motion 是一个面向 Claude Code 的 Agent Skill，用代码生成 Dribbble 级产品发布视频。它解决★ 330
improved-video-ganImproved-Video-GAN 是一个基于生成对抗网络（GAN）的视频生成开源项目，源自论文《Improving Video Generation for★ 329
seedance-2.0-apiSeedance 2.0 API 是字节跳动推出的视频生成模型 Seedance 2.0 的非官方 API 示例项目，主要提供文本生成视频（text-to-vi★ 329
OnlyShotOnlyShot 是一个基于 Claude Skill 的 AI 短剧工业流水线工具，旨在将一句话创意快速转化为可发布的完整短剧。它通过五个步骤（剧本、分镜、分★ 326
awesome-seedance-2.5-api-prompts这是一个围绕字节跳动 Seedance 2.5 视频生成 API 的提示词与参数指南集合。它旨在帮助开发者快速上手 Seedance 2.5，通过提供结构化的提★ 324
Awesome-Interactive-World-Model这是一个关于交互式世界模型的论文与资源精选列表，旨在系统梳理该领域的前沿研究。项目按核心研究挑战（如3D、扩散模型、流式视频、数据集等）对论文进行分类，帮助研究★ 322
PVDMPVDM（Video Probabilistic Diffusion Models in Projected Latent Space）是CVPR 2023收录★ 322
WorldFoundryWorldFoundry 是一个面向世界模型（World Model）的统一推理与评估基础设施，旨在解决视频生成、视觉-语言-动作（VLA）及世界动作模型（WA★ 321
ComfyUI-MiniMaxH3-DirectorComfyUI-MiniMaxH3-Director 是一个专为 MiniMax H3 视频生成模型设计的 ComfyUI 时间轴编辑器节点。它解决了在 Com★ 320
Thinking-with-VideoThinking-with-Video 是一个探索视频生成与多模态推理结合的新范式项目。它提出利用视频生成模型来增强 AI 的推理能力，并发布了 VideoTh★ 320
Video-T1Video-T1 是首个面向视频生成的测试时扩展（Test-Time Scaling）方法，由南洋理工大学等机构在 ICCV 2025 提出。它解决的是视频生成★ 319
gflow-cligflow-cli 是一个用 Python 编写的命令行工具，把 Google Flow 的 Veo 视频生成和 Imagen 图像生成能力搬到终端里。它解决的★ 318
awesome-ai-media-cn这是一个精选AI视频制作与自媒体运营工具的开源合集，收录了150多个相关项目，涵盖文生视频、一键生成、多平台分发、字幕翻译等场景。它解决了自媒体创作者在工具选择★ 316
super-video-maker-skill这是一个面向AI代理（Agent）的视频制作技能包，旨在让AI代理能够自主完成从脚本到成片的视频生产流程。它集成了多种主流工具，如HeyGen用于生成数字人播报★ 316
sekai-codebaseSekai 是一个面向世界模型探索的视频数据集，由 NeurIPS 2025 收录。它旨在解决视频生成领域缺乏高质量、多样化、长时程视频数据的问题，为训练能够理★ 314
t2v-turboT2V-Turbo 是一个面向文本到视频（Text-to-Video）生成的模型代码库，旨在通过一致性模型（Consistency Models）技术加速视频生★ 310
MicroLensMicroLens 是一个大规模短视频推荐数据集，包含原始文本、音频、图像和视频数据，由 DeepMind 邀请的 Talk 中提出。它旨在为多模态推荐系统研究★ 309
Gen-L-VideoGen-L-Video 是一个基于扩散模型的多文本到长视频生成与编辑的开源项目，对应论文《Gen-L-Video: Multi-Text to Long Vid★ 307
video_prediction这是一个基于生成对抗网络（GAN）和变分自编码器（VAE）的视频预测开源项目，核心是解决视频帧序列的未来预测问题。它采用随机对抗训练方式，能够生成多种可能的未来★ 304
LangScene-XLangScene-X 是一个基于 TriMap 视频扩散模型的 3D 语言嵌入场景重建框架，由 ICCV 2025 论文提出。它解决的核心问题是：现有 3D ★ 303
ATASATAS 是一个面向智能体视频生成的世界状态中心框架，旨在解决长视频生成中时空一致性难以维持、多智能体协作缺乏统一状态表示的问题。项目将视频生成过程建模为对“世★ 302
EasyCacheEasyCache 是一个针对视频扩散模型的免训练推理加速工具，核心思想是“少即是够”——在生成过程中动态识别并缓存冗余计算，减少重复的扩散步骤，从而在不重新训★ 301
Mix-StudioMix-Studio 是一个基于 ComfyUI 构建的响应式 AI 工作台，旨在提供干净、流畅的图像与视频生成体验。它解决了 ComfyUI 原生界面在移动端★ 299
InterpAny-ClearerInterpAny-Clearer 是一个基于深度学习的视频帧插值（Video Frame Interpolation）与图像操作工具，专注于生成更清晰、更自然★ 296
open-genieopen-genie 是 DeepMind 论文《Genie: Generative Interactive Environments》的非官方 PyTorch★ 296
gcdGCD（Generative Camera Dolly）是ECCV 2024 Oral的官方实现，专注于极端单目动态新视角合成。它解决的是从单个移动摄像头拍摄的★ 294
YoLuster-shortsYoLuster Shorts 釉光影是一个独立开发的 AI 短剧创作工作台，覆盖从创意构思、分镜脚本、图像生成到视频合成的全流程，并支持可复用素材管理。它通过★ 293
HunyuanPortraitLCMHunyuanPortraitLCM 是腾讯混元团队开源的肖像动画生成框架，对应 CVPR 2025 论文。它解决传统肖像动画中条件控制不精确、生成速度慢的问题★ 293
TATSTATS 是一个基于 PyTorch 的长视频生成框架，来自 ECCV 2022 论文。它旨在解决现有视频生成模型只能生成短视频（如几秒）的局限，通过时间无关的★ 289
LoomicLoomic 是一个开源的 AI 画布设计代理，定位为 Lovart、CapCut Video Studio 和 Canva AI 的替代品。它通过聊天驱动的方★ 287
ID-V2VID-V2V 是 SIGGRAPH Asia 2026 论文的官方实现，专注于身份保持的视频重风格化（Identity-preserving Video Res★ 287
clipcat-skillclipcat-skill 是一个面向 TikTok 电商场景的 AI 视频生成技能包，核心目标是帮助带货创作者和联盟营销人员批量生产、复刻和分析短视频内容。它★ 287