video-generation 第 6 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 6 / 10 页）
HyDRAHyDRA 是一个面向动态视频世界模型的混合记忆框架，旨在解决视频生成中长时程动态场景的建模难题。其核心思想是“眼不见，心不忘”——通过结合短期工作记忆和长期语★ 285
RLVR-WorldRLVR-World 是 NeurIPS 2025 论文《Training World Models with Reinforcement Learning》的★ 281
vox-ai-motion-graphics-generator这是一个为编程代理（如 Claude Code、Codex）设计的智能体技能，能将任意主题自动转化为 Vox 风格的纸拼贴解释视频。它解决了从脚本到成片全流程自★ 276
AMTAMT 是一个基于 CVPR 2023 论文的高效视频帧插值（补帧）开源项目。它通过全对多场变换（All-Pairs Multi-Field Transform★ 276
MoDAMoDA 是一个基于多模态扩散架构的说话头生成（Talking Head Generation）项目。它解决的是如何从单张静态人像和一段音频，生成自然、逼真、口★ 275
VideoGen-EvalVideoGen-Eval 是一个基于智能体的视频生成评估系统，旨在解决视频生成模型评测标准缺失、评估维度单一的问题。它提供了一套完整的评估框架，支持文本到视频★ 272
guaardvarkGuardvark 是一个自托管的 AI 工作站，旨在将多种 AI 能力整合到本地硬件上运行。它解决了用户对数据隐私和云端依赖的担忧，提供了一套完整的本地 AI★ 271
comfyui-AICG3Dcomfyui-AICG3D 是一个面向 ComfyUI 的非官方整合节点包，把 ComfyUI-MiniMaxH3-Easy 和 Goohai-MiniMax★ 270
openjourneyopenjourney 是一个开源的 MidJourney 网页界面克隆项目，基于 Google Gemini SDK 实现真实的 AI 图像与视频生成能力。它★ 269
StoryGenStoryGen 是一个基于潜在扩散模型的开源视觉故事生成系统，来自 CVPR 2024 论文。它解决的是如何根据一段文本描述自动生成连贯且语义一致的图像序列，★ 269
X-DynaX-Dyna 是一个基于扩散模型的动态人体图像动画生成工具，核心解决的是让静态人物照片“活起来”并跟随动作驱动生成自然视频的问题。它由字节跳动等机构提出，入选 ★ 268
panaceaPanacea 是 CVPR 2024 的官方实现，专注于自动驾驶场景的全景可控视频生成。它解决自动驾驶仿真中数据稀缺和场景覆盖不足的问题，能够生成多摄像头、全★ 263
PhosphenePhosphene 是一个专为 Apple Silicon 设计的本地生成视频面板，它封装了 LTX-2 MLX 模型，支持联合音频与视频生成，并提供一键式 P★ 263
MultiWorldMultiWorld 是一个可扩展的多智能体多视角视频世界模型的开源实现，旨在通过扩散模型生成交互式视频，解决机器人领域对多智能体协同和动态环境建模的需求。该项★ 261
ConsistI2VConsistI2V 是一个面向图像到视频生成的开源项目，旨在解决生成视频中视觉一致性问题。它基于扩散模型，通过引入自运动估计和噪声初始化策略，将静态图片转换为★ 261
LynnReal-OmniLynnReal-Omni 是一个把多种视频生成与编辑能力统一到同一框架的开源项目，基于 Python 实现。它试图解决视频生成领域模型碎片化的问题：文生视频、★ 261
Awesome-Open-AI-Sora这是一个关于OpenAI视频生成模型Sora的资源聚合清单，旨在为开发者、研究者和创作者提供一站式信息入口。项目收集了与Sora相关的文章、视频、播客、新闻及工★ 259
Koala-36MKoala-36M 是一个大规模视频数据集及配套工具，旨在解决视频生成中细粒度条件（如文本描述、姿态、深度图等）与视频内容不一致的问题。该数据集包含 3600 ★ 258
Animate3DAnimate3D是NeurIPS 2024收录的开源项目，旨在将任意静态3D模型动画化。它利用多视角视频扩散模型，从单张或少量视角的3D模型渲染图中生成连贯的★ 258
ShipGenAIShipGenAI 是一个开源的生成式 AI SaaS 应用样板合集，包含 50 个可直接投入生产的应用模板。它解决的是开发者从零搭建 AI 产品时重复造轮子的★ 256
WorldLensWorldLens 是一个面向自动驾驶世界模型的全面评测框架，由 CVPR 2026 Oral 论文提出。它旨在解决当前驾驶世界模型评估标准单一、缺乏真实世界关★ 256
Be-Your-OutpainterBe-Your-Outpainter 是一个基于扩散模型的视频外扩（Video Outpainting）开源项目，来自 ECCV 2024 论文。它解决的是视频★ 256
marketing-studiomarketing-studio 是一个面向 Claude Code 的智能体驱动的营销工作室，通过一条 /marketing 命令，自动为产品生成完整的发布资★ 251
Echo-MemoryEcho-Memory 是一个用于视频世界模型研究的简单基线项目，核心思路是引入显式记忆机制来提升视频生成的时间连贯性与物理合理性。它解决的是当前视频生成模型在★ 250
Music-Dance-Video-SynthesisMusic-Dance-Video-Synthesis 是一个基于 PyTorch 的自监督舞蹈视频合成项目，发表于 ACM MM 2020 Oral。它解决的★ 249
MoCoGAN-HDMoCoGAN-HD 是一个基于 GAN 的高分辨率视频生成框架，核心思想是利用预训练的高质量图像生成器（如 StyleGAN）来合成视频帧，从而避免从头训练视★ 246
awesome-seedance-2.5-prompts-skills这是一个围绕字节跳动 Seedance 2.5 视频生成模型的中文提示词资源库与智能体技能包。项目收录了 100 多条经过验证的提示词，每条都附带真实视频预览，★ 245
Awesome-Interactive-World-Model这是一个关于交互式视频世界模型的综合性资源列表，旨在系统梳理该领域的研究进展。它解决了研究人员和开发者难以快速获取该方向核心论文、方法和数据集的问题。项目以精选★ 245
DrivingWorldDrivingWorld 是一个面向自动驾驶场景的世界模型构建项目，基于视频 GPT 架构生成驾驶视频。它解决的问题是：自动驾驶系统需要预测和理解未来道路场景，★ 245
AI-Canvas-tauriAI-Canvas-tauri 是一个本地优先的 AI 可视化工作流画布，基于 Tauri 和 TypeScript 构建。它把图像/视频生成、AI 短剧制作、★ 245
paper-collage-video这是一个基于 Remotion 的配置驱动纸片分层视频生成流水线，并附带 Codex 插件。它解决的是从静态图片或设计稿生成动态纸片动画视频的工程化问题，核心能★ 243
sd-webui-replacersd-webui-replacer 是一个面向 Stable Diffusion WebUI 的扩展插件，主要解决图像或视频中特定物体的替换问题。它通过检测提示★ 242
vigenairvigenair是一个基于生成式AI的视频广告重制工具，旨在帮助营销人员和内容创作者快速将现有视频素材转化为高质量、多样化的广告变体。它利用Google Clo★ 241
Talking_Face_AvatarTalking_Face_Avatar 是一个基于深度伪造技术的角色与游戏资产头像生成项目。它主要解决开发者在游戏、虚拟角色或数字人场景中，快速生成具有动态表情★ 237
OmniTransferOmniTransfer 是一个面向时空视频迁移的全能框架，旨在解决视频生成中多种迁移任务分散、流程复杂的问题。它整合了姿态迁移、风格迁移、身份生成、相机控制等★ 236
VINO-codeVINO-code 是一个统一的视觉生成模型，能够处理图像和视频的编辑与生成任务，并支持多模态上下文（如文本、图像、视频等）的交错输入。它解决了传统生成模型只能★ 235
ZJTZJT（智剧通）是一个开源的AI短剧制作平台，旨在将专业短剧的生产流程自动化。它覆盖从剧本创作、分镜设计到最终视频合成的完整链路，利用大语言模型和多智能体协作来★ 235
OpenS2V-NexusOpenS2V-Nexus 是 NeurIPS 2025 D&B 收录的百万级主体到视频生成（Subject-to-Video）基准与数据集项目。它解决当前视频★ 232
DAWN-pytorchDAWN-pytorch 是论文《Dynamic Frame Avatar with Non-autoregressive Diffusion Framewor★ 231
NAVANAVA 是一个专注于音视频原生对齐的视频生成开源项目，旨在解决生成视频中音频与画面不同步、缺乏自然对齐的问题。它提出了原生音视频对齐（Native Audio★ 229
SCAIL-PoseSCAIL-Pose 是一个面向角色动画的视频生成工具，专注于从视频中提取3D一致的姿态表示，并用于后续的动画渲染。它解决的是传统视频生成中角色姿态不稳定、动作★ 229
GeometryForcingGeometryForcing 是一个将视频扩散模型与 3D 表示相结合的统一世界建模框架，旨在解决视频生成中时空一致性问题。它通过引入几何约束（如深度、点云等★ 226
ComfyUI-fal-APIComfyUI-fal-API 是一个将 fal.ai 平台 1400+ 生成式 AI 模型接入 ComfyUI 的官方自定义节点插件。它解决了 ComfyUI★ 225
flow-agentflow-agent 是一个面向 Google Flow 的 CLI 工具包，旨在通过命令行简化 Nano Banana Pro 图像生成、Omni Flash★ 223
OpenReelsOpenReels 是一个开源的 AI 视频生成流水线，旨在将任意主题自动转化为可直接发布的 YouTube、Instagram 或 TikTok 短视频。它解★ 220
CineScaleCineScale 是一个无需微调即可生成 4K 分辨率视频的开源项目，基于扩散模型（diffusion models）实现。它主要解决现有视频生成模型在分辨率★ 218
BeatDesignBeatDesign 是一个本地优先的 AI 画布与时间线工具，定位为 Higgsfield 的开源替代方案。它把 AI 图像生成、视频生成和分镜编排整合到一块★ 217
voxel-flowvoxel-flow 是 ICCV 2017 Oral 论文的开源实现，提出用深度体素流（Deep Voxel Flow）进行视频帧合成，解决视频插帧、帧预测和★ 216
ChronoMagic-BenchChronoMagic-Bench 是一个用于评估文生视频模型在时间延展与形态变化能力的基准测试集，由 NeurIPS 2024 D&B Spotlight 收★ 214
flattenFLATTEN 是一个基于 PyTorch 实现的视频编辑工具，核心是光流引导的注意力机制，用于在文本到视频编辑中保持时序一致性。它解决的是现有视频编辑模型在修★ 212