video-generation 第 7 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 7 / 10 页）
world-in-worldworld-in-world 是一个基于闭环世界模型（Closed-Loop World Models）的视频生成开源项目，核心论文发表于 ICLR'26 并获★ 211
VideoREPAVideoREPA 是一个面向视频生成的研究项目，旨在通过关系对齐（Relational Alignment）让生成模型更好地学习物理规律。它针对当前视频生成模★ 211
generative-media-skills这是一个面向AI编程助手的生成式媒体技能集，旨在为Claude、Copilot、Cursor等编码助手提供图像、视频、音频、语音等生成式媒体的生产级能力。项目基★ 210
recurrent-interface-network-pytorch这是一个基于 PyTorch 实现的 Recurrent Interface Network（RIN）开源项目，用于高效生成图像和视频。RIN 是一种新型的生成★ 210
VideoCoFVideoCoF 是一个面向长视频编辑的统一框架，由 CVPR 2026 Highlight 论文提出。它解决现有视频编辑模型难以处理长序列、时序一致性差的问题★ 210
Awesome-Efficient-AIGCAwesome-Efficient-AIGC 是一个专注于高效 AIGC（人工智能生成内容）领域的精选资源列表，收录了相关论文、文档和代码。该项目旨在为高效 A★ 210
PhotoPosterPhotoPoster 是一个专注于姿态驱动图像生成的开源项目，旨在推动肖像动画领域的研究。它解决的核心问题是：如何根据给定的姿态（如舞蹈动作）生成逼真的人物图★ 206
LivePhotoLivePhoto 是论文《LivePhoto: Real Image Animation with Text-guided Motion Control》的官★ 206
awesome-ai-video-models这是一个关于AI视频生成模型的精选资源列表，旨在提供最完整、最新的模型对比信息。它系统性地整理了当前主流的AI视频生成模型，包括可灵、海螺、混元、Luma等，并★ 206
GSFixerGSFixer 是一个基于参考图像引导的视频扩散先验来修复三维高斯泼溅（3D Gaussian Splatting）重建质量的开源项目，发表于 ICML 202★ 201
Video-Motion-CustomizationVideo-Motion-Customization（VMC）是一个基于扩散模型的视频运动定制工具，核心解决文本到视频生成中运动模式难以精确控制的问题。它通过引★ 200
Awesome-Video-Reasoning-Landscape这是一个关于视频推理领域的开源综述项目，旨在系统梳理视频推理的最新任务、范式和基准。它解决了视频理解领域缺乏统一知识框架的问题，帮助研究者和开发者快速了解视频推★ 194
ReSimReSim 是一个面向自动驾驶的可靠世界模拟器，基于扩散模型生成高保真视频，用于仿真测试和场景理解。它解决了自动驾驶中真实世界数据稀缺、边缘场景难以覆盖的问题，★ 193
ragdoll-studioragdoll-studio 是一个面向角色驱动型 AI 体验的创意套件，专注于帮助开发者和创作者构建具有人格化、可交互的 AI 角色。它解决的是从零搭建 AI★ 191
MMVIDMMVID是一个基于多模态条件约束的视频生成开源项目，来自CVPR 2022论文。它解决的核心问题是：如何根据文本描述和参考图像，生成与内容语义一致、且具有合理★ 191
Imagine360Imagine360 是一个面向沉浸式 360 度视频生成的开源项目，发表于 NeurIPS 2025。它解决的是从普通视角视频（Perspective Anc★ 189
IAmDirector-Text2Video-NextJS-Client这是一个基于 Next.js 构建的文字转视频 Web 前端项目，旨在为生成式 AI 视频创作提供一个完整的平台参考。它解决了从创意到视频成片过程中流程繁琐、工★ 189
KandinskyVideoKandinskyVideo 是一个基于潜在扩散模型的多语言文本生成视频的开源项目，由 Kandinsky 团队开发。它解决了从文本描述直接生成连贯视频片段的问★ 186
iVideoGPTiVideoGPT 是一个基于交互式视频生成的可扩展世界模型，来自 NeurIPS 2024 论文。它通过自回归 Transformer 架构，将视频预测、动作★ 186
MikuDanceMikuDance 是一个基于扩散模型的角色动画生成工具，专注于将静态角色艺术图（如插画、立绘）转化为动态视频。它解决了传统角色动画制作中动作僵硬、细节丢失、需★ 186
diganDIGAN 是一个基于隐式生成对抗网络的视频生成模型，由新加坡国立大学等机构提出，发表于 ICLR 2022。它针对传统视频生成方法难以捕捉复杂时空动态、生成视★ 186
Flux-3-Dev-APIFlux-3-Dev-API 是一个 Python 封装库，用于调用 Black Forest Labs 的 FLUX 3 Dev API。它解决了开发者快速集★ 184
vibeframevibeframe 是一个面向编码代理（coding agents）的前沿 AI 视频生成工具，它通过统一的 CLI 和 MCP（Model Context P★ 180
WorldForgeWorldForge 是一个基于 CVPR 2026 Highlight 论文的官方实现，专注于可控的视频生成与 4D 世界模型构建。它解决的核心问题是：在视频★ 180
VEFX-BenchVEFX-Bench 是一个面向通用视频编辑与视觉特效（VFX）的综合性基准测试项目。它旨在解决视频编辑和特效领域缺乏统一、全面评估标准的问题，为生成式 AI ★ 178
HOMIEHOMIE 是一个针对人类与物体交互场景的视频个性化生成工具，源自同名论文。它解决的是现有视频生成模型在个性化定制时，难以精准控制人物和物体细节及交互关系的问题★ 178
LLM-groundedVideoDiffusionLLM-grounded Video Diffusion (LVD) 是 ICLR 2024 的官方实现，旨在解决文本到视频生成中语义对齐和时序一致性问题。它利★ 173
workrallyworkrally 是一个面向 AI Agent 的 AIGC 漫剧视频创作全流程工具集，旨在解决从脚本到成片过程中工具分散、流程割裂的问题。它提供 CLI 和★ 173
vistorybenchViStoryBench 是一个面向 AI 故事可视化任务的基准测试集，由 CVPR 2026 论文提出。它解决的核心问题是：当前图像生成模型在生成连贯、风格一★ 173
AdaCacheAdaCache 是 ICCV 2025 论文的官方代码，针对视频生成扩散 Transformer（DiT）推理速度慢的问题，提出内容自适应缓存机制。它通过动态★ 173
Video-Generation-Paper-List这是一个视频生成领域的前沿论文追踪列表，持续收录CVPR、ICCV、ECCV、NeurIPS、ICLR等顶级会议及arXiv上的最新研究成果。项目按研究方向（如★ 171
ViralMintViralMint 是一个开源的爆款内容生产管道，旨在帮助内容创作者和营销团队自动化完成从趋势发现到视频发布的全流程。它通过 AI 代理技术，自动扫描社交媒体热★ 171
VideoActionModelVideoActionModel 是自动驾驶视频生成建模的官方实现，包含 VaViM 和 VaVAM 两个核心模型。它解决的是自动驾驶中通过视频生成来学习世界模★ 170
comfyUI-LongLookLongLook 是一个 ComfyUI 节点包，将 NeurIPS 2024 论文 FreeLong 的频谱混合技术引入 Wan 2.2 视频生成流程。它解决★ 168
EffectEraseEffectErase 是一个基于 CVPR 2026 Highlight 论文的联合视频物体移除与插入框架，旨在解决视频编辑中物体擦除和插入的质量问题。传统视★ 168
icfaceICface 是一个基于 GAN 的人脸重演（Face Reenactment）开源项目，旨在实现可解释且可控的人脸动画生成。它通过解耦人脸的身份特征与动作单元★ 164
VideoElevatorVideoElevator 是一个无需训练的视频生成质量提升方法，发表于 AAAI 2025。它利用现成的文本到图像扩散模型来增强视频生成效果，解决了当前视频生★ 163
LingtiStudioLingtiStudio 是一个基于 Python 的开源视频自动生成工具，旨在将单一主题快速转化为数分钟长的完整视频。它解决了从创意到成片过程中涉及的多步骤、★ 162
SceneScapeSceneScape 是一个基于 PyTorch 的文本驱动场景生成模型，核心目标是解决文本到视频生成中常见的时序一致性问题。它通过扩散模型架构，将文本描述转化★ 161
HoloTimeHoloTime 是一个面向全景 4D 场景生成的视频扩散模型工具，由 ACM MM 2025 论文支持。它解决的是从普通视频生成具有时间一致性的全景 4D 场★ 161
conditional-motion-propagation这是一个CVPR 2019的官方代码项目，专注于视频中的条件运动传播问题。其核心目标是解决视频中物体运动信息的预测与传播，尤其在交互式视频标注场景下，能够根据用★ 160
VideoGrainVideoGrain 是 ICLR 2025 论文的官方实现，专注于多粒度视频编辑。它基于 Stable Diffusion 和扩散模型，通过调制空间-时间注意★ 159
wondaWonda 是一个运行在终端里的 AI 内容创作命令行工具，基于 TypeScript 开发。它主要解决创作者在命令行环境中高效生成和编辑图像内容的需求，无需切★ 158
MHLAMHLA 是一个面向图像生成与语言建模的线性注意力机制改进项目，旨在解决线性注意力在表达力上的不足。传统线性注意力通过核函数近似 softmax 注意力，虽降低★ 157
edumcpEDUMCP 是一个面向教育领域的开源协议，它将模型上下文协议（MCP）与教育应用相结合，旨在打通不同 AI 模型、教育软件、智能硬件和教学智能体之间的数据与能★ 156
HiARHiAR 是一个面向视频生成领域的开源项目，核心目标是解决自回归（AR）视频生成中的漂移问题。传统自回归模型在生成长视频时，由于误差累积会导致画面逐渐偏离初始状★ 156
ComfyUI-sol-attnComfyUI-sol-attn 是一个为 ComfyUI 设计的自定义节点，集成了 NVIDIA 的 Sol-Attn 注意力机制，并针对 MiniMax H★ 154
OpenWebui-ToolsOpenWebui-Tools 是一个为 Open WebUI 平台定制工具集合的开源项目，旨在增强 Open WebUI 的使用体验。它主要解决用户在 Ope★ 154
DIMODIMO是一个面向任意物体的多样化3D运动生成框架，由ICCV 2025收录并评为Highlight。它解决了现有4D生成技术仅能处理特定类别物体（如人体或动物★ 154
MotionInversionMotionInversion 是 SIGGRAPH 2025 的官方实现，专注于视频定制中的运动反演技术。它解决的是视频生成中运动模式难以精确控制和迁移的问题★ 154