video-generation 第 9 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 9 / 10 页）
jafarjafar 是 DeepMind 论文《Genie: Generative Interactive Environments》的 JAX 重新实现，旨在复现一个★ 107
ai-mv-generatorai-mv-generator 是一个基于多智能体系统的开源项目，用于根据歌词自动生成带滚动字幕的音乐视频。它通过分析歌词内容，生成详细的图像提示词，再利用 O★ 107
Awesome-Multimodal-Reasoning这是一个精选多模态推理与生成前沿资源的列表，聚焦于基于强化学习（RL）的多模态大语言模型（MLLM）技术。项目系统梳理了图像理解、图像推理、图像生成等方向的最新★ 106
deforum-kandinskydeforum-kandinsky 是一个将 Kandinsky 2.x 模型与 Deforum 动画技术结合的开源工具，用于生成短视频动画。它解决了普通文本生★ 103
ComfyUI-Wan-VACE-PrepComfyUI-Wan-VACE-Prep 是一个专为 ComfyUI 设计的自定义节点包，旨在简化视频生成模型在常见编辑任务中的使用流程。它主要针对 Wan ★ 102
ReVidgenReVidgen 是一个面向具身智能世界的视频生成模型基准与评估工具包，由 ICML 2026 论文提出。它重新思考了视频生成模型在机器人、自动驾驶等具身场景中★ 101
MobileI2VMobileI2V 是一个面向移动设备的图像到视频生成框架，旨在解决在资源受限的手机上实现快速、高分辨率视频生成的难题。该项目基于扩散模型和视频扩散变换器，通过★ 101
openrouter-mcp-multimodal这是一个基于 Model Context Protocol (MCP) 的服务器，用于连接 OpenRouter 平台，让 Claude Desktop、Cur★ 99
MeanFlowNFTMeanFlowNFT 是一个基于 PyTorch 的图像生成开源项目，对应 arXiv 2026 论文，核心思想是将前向过程强化学习引入平均速度生成器。它针对★ 98
flux-3-video-api这是一个针对 Black Forest Labs 的 FLUX 3 视频生成 API 的 Python 封装库，旨在简化开发者调用文本转视频和图像转视频的流程，★ 98
metaai-apimetaai-api 是一个基于 FastAPI 的逆向工程封装项目，旨在为 Meta AI（原 Llama 系列）提供非官方的 API 接口。它通过 Cook★ 97
Ultimate-AI-Media-Generator-Skill这是一个面向AI编程助手的图像与视频生成技能包，支持Codex、Claude Code、OpenClaw、Cursor等主流工具。它通过CyberBara AP★ 96
epipolar-dpoEpipolar-DPO 是一个用于提升视频生成模型几何一致性的开源项目，其核心思想是利用极线几何（Epipolar Geometry）作为约束，通过直接偏好优★ 95
finetuning-notebooksfinetuning-notebooks 是一个专注于图像与视频生成模型微调的开源教程集合，以 Jupyter Notebook 形式呈现。它解决的是 AI 创★ 94
VidForgeVidForge 是一个面向短视频电商场景的开源 AI 视频生成流水线，用 TypeScript 编写。它想解决的核心问题是：电商商家需要批量产出带货短视频，但★ 93
ComfyUI-ExpertComfyUI-Expert 是一个基于 Claude Code 的智能代理工具，专为 ComfyUI 视频制作流程设计。它通过 12 个专业技能，覆盖图像生成★ 92
ai-mixed-cutai-mixed-cut 是一个基于 AI 的视频再创作引擎，核心思路是“解构-重构”爆款视频模式。它通过 LLM 分析和理解现有视频的内容结构，自动拆解出关键★ 92
Awesome-AVIAwesome-AVI 是一个关于音频-视觉智能（Audio-Visual Intelligence）的精选资源列表，旨在系统梳理该领域的前沿研究、工具和数据集★ 92
NWT-pytorchNWT-pytorch 是 NWT（Neural Waveform Transform）模型的非官方 PyTorch 实现，专注于音频到视频的生成任务。该项目旨★ 92
OmniVAEOmniVAE 是一个面向音视频联合生成的统一变分自编码器（VAE），旨在解决音频与视频模态在生成任务中难以对齐和协同建模的问题。它通过引入跨模态对齐机制，将音★ 91
AAD-1AAD-1 是一个面向单步自回归视频生成的开源项目，基于 ICML 2026 论文提出非对称对抗蒸馏方法。它针对自回归视频生成模型推理速度慢的问题，通过引入非对★ 89
genius-aiGenius 是一个基于 Next.js 14 的现代 SaaS AI 平台，集成了多种 AI 能力，包括对话、代码生成、图片生成、音乐生成等。它采用 Type★ 85
awesome-ai-video-prompts这是一个精选的AI视频提示词资源合集，汇集了Veo、Sora、Runway、Pika、Kling等主流AI视频工具的官方指南、提示词模板、电影级拍摄技巧以及音画★ 85
mere-runmere-run 是一个面向 Apple Silicon 设备的本地生成式 AI 工作流引擎，用 Swift 编写，基于 MLX 框架。它解决了在 Mac 上统★ 84
ShowAnythingShowAnything 是一个基于视觉与语言模型的视频生成与编辑工具，旨在通过自然语言指令或交互式点击，实现对视频中任意目标的精准识别、分割与编辑。它解决了传★ 84
StyleSVStyleSV 是一个基于 StyleGAN 的视频合成研究项目，发表于 ICLR 2023，核心目标是实现平滑的视频合成。它解决了传统 GAN 在生成视频时帧★ 84
flexible-diffusion-modeling-videos-pytorch这是一个基于PyTorch实现的开源视频生成项目，对应论文《Flexible Diffusion Modeling of Long Videos》。它解决的是长★ 84
Video-BenchVideo-Bench 是一个视频生成领域的评测基准项目，旨在系统评估视频生成模型的质量。它解决的核心问题是：当前视频生成模型（如Sora类模型）缺乏统一、客观★ 82
Apple-PIApple-PI（Apple-π）是一个面向物理智能的视频生成基准测试项目，旨在评估和推动视频生成模型对物理世界规律的理解。它提出了“思维链帧”（chain-o★ 82
tgan2tgan2 是论文《Train Sparsely, Generate Densely: Memory-efficient Unsupervised Traini★ 82
Impossible-VideosImpossible-Videos 是 ICML 2025 论文的官方基准与代码库，专注于视频生成与理解中的‘不可能视频’挑战。这类视频包含物理上不可能或高度反★ 82
awesome-ad-video-prompts这是一个精选的AI视频广告提示词合集，专为Seedance 2.0、Veo 3、Kling、Runway等主流视频生成模型设计，旨在帮助营销人员、创作者和广告从★ 81
EverAnimateEverAnimate 是一个面向分钟级长时人类动画生成的开源项目，基于 ArXiv 论文实现。它解决的是现有视频生成模型在生成长时间、高动态人体动画时出现的时★ 81
FluidNexusFluidNexus 是一个基于物理信息神经网络的开源项目，旨在从单段视频中重建三维流体动态并预测其未来演变。它解决了传统流体重建依赖多视角或深度传感器、难以从★ 81
muapi-comfyuimuapi-comfyui 是 muapi.ai 官方推出的 ComfyUI 自定义节点插件，旨在将 100 多个主流 AI 模型无缝集成到 ComfyUI 工★ 80
Wan-3.0-APIWan-3.0-API 是一个针对阿里云通义万相（Wan）视频生成模型的 Python SDK 和 MCP 服务器封装。它解决了开发者直接调用 Wan 3.0 ★ 80
video-to-videoReshoot-Anything 是一个基于自监督学习的视频重拍（video reshooting）模型，旨在解决现实场景中随意拍摄视频的视角转换与动态重拍问题★ 79
Vid2WorldVid2World 是一个将视频扩散模型转化为交互式世界模型的开源项目，源自 ICLR 2026 论文。它解决的核心问题是：如何让 AI 从静态视频中学习环境动★ 79
videoganVideoGAN 是论文《Generating Videos with Scene Dynamics》的 TensorFlow 实现，属于早期视频生成领域的生成★ 79
Open-PhyGDPOOpen-PhyGDPO 是一个面向文本生成视频（T2V）任务的物理一致性优化框架，核心方法是物理感知的分组直接偏好优化（PhyGDPO）。它解决的是现有视频生★ 77
STCDiTSTCDiT 是一个面向真实世界视频增强与 AIGC 增强的扩散 Transformer 模型，核心解决视频超分辨率与生成内容在复杂运动下的时间稳定性和结构保真★ 77
ReImagineReImagine 是一个用于视频生成的开源项目，专注于人体合成与姿态迁移。它通过给定源人物图像和目标姿态序列，生成该人物执行相应动作的视频。项目解决了传统视频★ 77
studioStudio 是一个开源的 AI 屏幕录制工具，旨在将原始屏幕录制内容自动转化为专业级视频。它解决了传统录屏后需要繁琐剪辑、添加字幕和配音的问题，通过 AI 自★ 76
EvoWorldEvoWorld 是一个基于显式 3D 记忆的渐进式全景世界生成框架，旨在解决长时程视频生成中场景一致性和记忆衰减问题。它通过将生成的世界状态编码为显式 3D ★ 76
Awesome-Efficient-Video-Generation这是一个精选列表，收录了近期高效的视频生成方法。它旨在解决视频生成领域计算成本高、推理速度慢的问题，通过整理和分类相关的研究论文、开源代码和工具，帮助研究者和开★ 74
Pulse-of-MotionPulse-of-Motion 是一个面向物理感知视频生成的早期开源项目，核心目标是解决生成视频中物体运动不符合物理规律的问题。它通过从视觉动态中测量物理帧率，★ 73
StoryblocksStoryblocks 是一个结合 AI 文本生成与图像合成的开源项目，旨在将文字提示转化为带视觉叙事的视频内容。它利用 Stable Diffusion 进行★ 73
transframer-pytorchTransframer-pytorch 是 DeepMind 提出的 Transframer 架构的非官方 PyTorch 实现，用于生成最长 30 秒的视频。★ 73
EgoSimEgoSim 是一个面向具身智能与第一人称视觉的仿真世界生成器，核心解决现有视频生成模型缺乏第一人称视角与交互一致性的问题。它能够根据用户提供的动作指令或场景描★ 72
mcmmcm（Motion Consistency Model）是一个面向视频生成的加速采样模型，来自NeurIPS 2024论文。它针对视频扩散模型推理速度慢的问题★ 71