video-generation 第 8 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 8 / 10 页）
DiffusionARTDiffusionART 是扩散模型强化学习后训练的官方实现，对应论文《DiffusionART: Efficient, Stable and Scalable★ 154
Kandinsky-4Kandinsky-4 是俄罗斯团队开源的视频生成模型，支持文本生成视频和图像生成视频两种模式。它基于扩散模型架构，通过引入视频蒸馏技术提升生成效率，并支持视频★ 150
vibe-creating-skill这是一个开源的双语AI视频提示词生成技能，旨在将用户的创意想法自动转化为模型可直接使用的文生视频提示词。它解决了非专业用户难以撰写高质量视频提示词的痛点，通过结★ 150
ID-LoRA-LTX2.3-ComfyUIID-LoRA-LTX2.3-ComfyUI 是一个 ComfyUI 自定义节点，用于根据参考语音和图像生成带有视听身份的视频。它解决了在 ComfyUI 工作★ 150
hbg-life-simulationHBG Life Simulation 是一个面向中文生活模拟叙事视频生成的 Agent 技能项目。它解决的是如何快速、批量地生成具有一致漫画 IP 形象、多人★ 149
EndoraEndora 是一个面向医学内窥镜视频生成的 AI 工具，源自 MICCAI 2024 论文。它利用视频生成模型模拟内窥镜检查过程，解决医学内窥镜训练数据稀缺、★ 149
vantavanta 是一个基于 Remotion 构建的开源 AI 视频引擎，旨在替代 Synthesia、HeyGen、Runway、CapCut 等商业工具。它解决★ 148
content-debiased-fvdcontent-debiased-fvd 是 CVPR 2024 论文《On the Content Bias in Fréchet Video Distanc★ 148
WACV23_TSNetTSNet 是 WACV 2023 论文《Cross-identity Video Motion Retargeting with Joint Transfor★ 148
awesome-flux-3-api-prompts这是一个面向 Black Forest Labs FLUX 3 模型的 API 使用指南与提示词合集。FLUX 3 是统一的多模态生成模型，支持文生视频、图生视★ 147
LiveWorldLiveWorld 是 ECCV 2026 论文的官方实现，旨在解决生成式视频世界模型中“视野外动态”的模拟问题。传统视频生成模型只能基于可见帧进行预测，而 L★ 147
ai-video-generatorai-video-generator 是一个基于 Python 的 AI 智能体，能够自动生成短视频并发布到社交平台。它解决的是内容创作者在短视频制作和分发上耗★ 146
PSIVGPSIVG 是一个 CVPR 2026 论文的开源实现，核心思路是在视频生成过程中引入物理模拟器作为闭环反馈，通过测试时训练（test-time trainin★ 146
Minimalistic-Comfy-Wrapper-WebUIMCWW（Minimalistic-Comfy-Wrapper-WebUI）是一个基于 Gradio 的 ComfyUI 附加界面，专注于推理场景，不依赖节点图★ 145
lpwmlpwm（Latent Particle World Models）是一个面向视频生成与预测的物体中心世界模型，由ICLR 2026 Oral论文官方开源。它旨★ 142
ralphyralphy 是一个面向 AI 智能体的命令行工具，旨在让智能体能够自主创建病毒式传播的短视频（如 Reels、Shorts、TikTok）。它解决了内容创作者★ 140
ComfyUI-MiniMaxH3-StudioComfyUI-MiniMaxH3-Studio 是一个把 MiniMax H3 视频生成能力直接搬进 ComfyUI 的自定义节点扩展。它解决的是创作者在 C★ 135
skills这是 Black Forest Labs 官方发布的智能体技能（Agent Skills）集合，面向 FLUX 系列图像与视频生成模型。它把 FLUX 的提示词★ 134
avatar-mixavatar-mix 是一个基于 Python 的视频生成工具，专为使用 HeyGen 数字人形象创建横屏（16:9）和竖屏（9:16）视频而设计。它解决了创作★ 133
CogKitCogKit 是智谱 AI 开源的 CogView4 和 CogVideoX 模型系列的微调与推理工具集。它主要解决视频生成模型在特定场景下定制化能力不足的问题★ 133
InteractiveVideoInteractiveVideo 是一个面向用户的可控视频生成框架，核心解决现有视频生成模型难以精细控制生成内容的问题。它通过协同多模态指令（文本、图像、动作等★ 133
ltx-2-mlxltx-2-mlx 是 LTX-2 视频生成模型（含 LTX-2.3 与 LTX-2.5）的纯 MLX 移植版，专为 Apple Silicon 打造，可直接在★ 133
awesome-alternative-uis-for-comfyui这是一个收集 ComfyUI 替代用户界面的精选列表，旨在解决 ComfyUI 默认界面复杂、上手门槛高的问题。项目汇总了多种第三方 UI 方案，涵盖 Web ★ 130
MiniMax-MCP-JSMiniMax-MCP-JS 是 MiniMax 官方的 JavaScript 版 Model Context Protocol (MCP) 实现，旨在将 Mi★ 130
motion-mirrormotion-mirror 是一个本地优先的动作迁移工具，基于 Wan2.1-VACE 模型，允许用户从参考视频中提取动作，并将其应用到任意角色图像上，生成动画★ 128
Olaf-WorldOlaf-World 是一个面向视频世界建模的研究项目，核心是“潜在动作定向”（Orienting Latent Actions），旨在让视频生成模型具备交互性★ 127
URSAURSA是一个基于离散扩散模型的图像与视频生成框架，核心创新在于采用均匀离散扩散（Uniform Discrete Diffusion）与度量路径（Metric★ 126
comfyui-meshcomfyui-mesh 是一个针对 ComfyUI 的分布式推理扩展，旨在解决单 GPU 显存不足导致无法运行大型扩散模型（如 FLUX.2 和 LTX 2.★ 126
ZoomVideoComposerZoomVideoComposer 是一个用 Python 编写的脚本工具，旨在从一组静态图片自动生成具有推近（zoom in）或拉远（zoom out）效果的★ 122
claude-remotion-kickstartclaude-remotion-kickstart 是一个将 Claude Code 与 Remotion 结合的开源项目，旨在让开发者通过自然语言或代码编程方★ 121
MaineCoonMaineCoon 是一个追求实时音视频社交世界模型的开源项目，目前处于早期技术报告与项目链接阶段。它旨在构建一个能够实时理解和生成音频与视频的生成式AI模型，★ 120
VChainVChain是一个面向视频生成领域的推理增强框架，核心思想是引入“视觉思维链”（Chain-of-Visual-Thought），让视频生成模型在生成过程中显式★ 120
ContentMachineContentMachine 是一个一体化 AI 视频生成流水线，旨在从单一主题自动创建电影感、纪录片风格的视频，并输出近乎可直接上传 YouTube 的成品项★ 120
open-videoopen-video 是一个面向视频生成的开源本地化方案，定位类似“视频生成领域的 Ollama”，目标是让 MiniMax H3 这类视频生成模型能在本地跑起★ 119
DJZ-WorkflowsDJZ-Workflows 是一个专注于 ComfyUI 工作流的开源集合，提供了 1000 多个用于 AI 图像和视频生成的工作流模板，覆盖 Flux、SDX★ 118
LeanVAELeanVAE 是一个面向视频扩散模型的高效重建 VAE，旨在解决视频生成中 VAE 计算开销大、内存占用高的问题。它通过轻量级架构设计，在保证视频重建质量的同★ 118
reels-afreels-af 是一个基于 AI 多智能体系统的开源项目，旨在自动化生成病毒式传播的 Reels 和 TikTok 短视频。它解决了内容创作者在短视频制作中耗★ 117
Viral-Faceless-Shorts-Generator这是一个自动生成无脸YouTube Shorts视频的开源工具。它从Google Trends抓取热门话题，利用Gemini AI生成脚本，通过Coqui TT★ 117
Muse-StudioMuse Studio 是一个基于 Agentic AI 的开源工作台，专为影视和故事创作而设计。它解决了创作者在规划、可视化和迭代故事与视频内容时流程割裂、工★ 115
PhysInOnePhysInOne 是一个基于 Python 的物理感知视频生成与动态重建框架，相关论文被 CVPR 2026 接收。它旨在解决视频生成中物理规律缺失、动态场景★ 115
LongLive-RAGLongLive-RAG 是一个面向长视频生成的通用检索增强框架，其官方实现基于 PyTorch。它解决的是现有视频生成模型难以生成长时间、多场景连贯视频的问题★ 114
FreeTrajFreeTraj 是一个无需微调（tuning-free）的轨迹可控视频生成方法。它解决了现有视频生成模型难以精确控制物体运动轨迹的问题，用户只需提供简单的轨迹★ 114
puppet-masterPuppet-Master 是一个基于 ICCV 2025 论文的交互式视频生成框架，核心思路是将视频生成任务扩展为运动先验，用于部件级别的动态控制。它解决的问★ 114
IllumiCraftIllumiCraft 是一个面向可控视频生成的统一扩散模型框架，核心解决视频生成中几何结构与光照条件难以联合控制的问题。它通过将几何与光照信息融合进扩散 Tr★ 112
deep-landscapeDeepLandscape 是 ECCV2020 论文的官方实现，专注于风景视频的对抗性建模。它解决的核心问题是：如何从单一静态风景图像生成具有自然动态效果（如★ 111
Sora-FullStackSora-FullStack（SoraFlows）是一个基于 OpenAI Sora 模型的开源全栈 Web 应用，旨在让用户通过文本或图片轻松生成、编辑和分享★ 109
Awesome-AIGC-Research-Groups这是一个收录AIGC（人工智能生成内容）研究团队的精选列表，旨在帮助研究者、学生和从业者快速找到全球顶尖的AIGC实验室和团队。项目解决了AIGC领域信息分散、★ 108
ComfyUI-Agent-KitComfyUI-Agent-Kit 是一个让 AI 编程智能体（如 Claude Code、Codex、Gemini CLI、Qwen Code）直接驱动本地 ★ 107
M3DDM-Video-OutpaintingM3DDM-Video-Outpainting 是 ACM MM 2023 论文的官方实现，提出了一种基于分层掩码 3D 扩散模型的视频外扩（Video Out★ 107
ComfyUI-Wan-VACE-Video-Joiner这是一个为ComfyUI设计的视频拼接工作流项目，利用Wan VACE模型在视频片段之间创建平滑的过渡效果。它解决的是视频编辑中常见的硬切问题，让不同来源的视频★ 107