video 第 2 页
本站收录 106 个带「video」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 3 页）
supermosh.github.iosupermosh.github.io 是一个基于浏览器的数据破坏（Datamosh）工具，由 TypeScript 编写。它让用户无需安装任何软件，直接在网页★ 378
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
Video-MME-v2Video-MME-v2 是一个面向全面视频理解的新一代评测基准项目。它旨在解决现有视频理解基准在任务多样性、视频长度覆盖和评估维度上的不足，推动视频大模型从简★ 363
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
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
MoneyPrinterAICreateMoneyPrinterAICreate 是一个基于 MoneyPrinterTurbo 的 AI 视频生成工具，专注于解决从文案到动态视频的自动化创作问题。它★ 329
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
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
FluidFramesFluidFrames 是一个基于深度学习的视频补帧应用，通过帧插值技术把低帧率视频提升到高帧率，让画面更流畅。它支持 NVIDIA、AMD、Intel 显卡以★ 281
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
MoneyPrinterTurboEasyMoneyPrinterTurboEasy 是一个基于 AI 大模型的一键短视频生成工具，旨在解决短视频创作门槛高、耗时费力的问题。用户只需输入一句话主题，工具★ 267
LIHQLIHQ 是一个用于生成高质量 AI 虚拟主播/数字人视频的开源项目，核心目标是实现长文本推理下的高质量合成说话人效果。它结合了深度学习、文本转语音和数字人技术★ 265
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
PodciniPodcini 是一款开源的 Android 播客播放器，不仅支持传统 RSS 播客订阅，还能直接播放 YouTube 和 YouTube Music 上的音频★ 238
mPLUG-2mPLUG-2 是阿里巴巴达摩院提出的模块化多模态基础模型，发表于 ICML 2023。它旨在统一处理文本、图像和视频三种模态，解决传统多模态模型在跨模态理解和★ 228
video-SALMONN-2video-SALMONN-2 是清华大学电子工程系与字节跳动联合开发的新一代音视频大语言模型，旨在解决视频理解中音频与视觉信息融合不足的问题。该模型能够接收视★ 221
kinocutkinocut 是一个为 AI 智能体设计的视频编辑 MCP 服务器，旨在让 AI 代理能够安全、高效地执行视频处理任务。它基于 FFmpeg 构建，并引入了 ★ 213
lmringlmring 是一个开源的、可自托管的 LLM 竞技场（Arena）平台，旨在解决大模型评测中缺乏真实用户反馈和直观对比的问题。它允许用户同时与多个模型对话，并★ 213
SoraFlowsSoraFlows 是一个基于 OpenAI Sora 模型的模块化 WebUI 和 API 后端项目，旨在为文本生成视频提供统一、易用的界面和接口。它解决了 ★ 185
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
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
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
heygen-cliheygen-cli 是 HeyGen 视频生成 API 的官方命令行工具，让你在终端里直接创建 AI 视频。它解决了视频制作流程中频繁切换网页界面、难以自动化★ 157
VisionCrafterVisionCrafter 是一个基于 Python 的图像生成与动画创作工具，旨在将静态图像转化为动态视觉内容。它整合了 Stable Diffusion、A★ 151
video-skills-toolkitvideo-skills-toolkit 是一个面向 Remotion 视频创作流程的辅助工具集，专注于解决口播视频、手绘故事和音频转字幕三类常见需求。它提供了★ 151
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
remotion-skillsremotion-skills 是一个面向 AI 智能体的 Remotion 最佳实践技能库，旨在帮助开发者通过 React 快速创建高质量视频。它解决了 AI★ 136
CliptolutionCliptolution 是一个面向视频编辑和创意制作的 AI Agent，用 Python 编写，基于 FFmpeg 实现视频处理。它旨在解决视频剪辑流程中重★ 126
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
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
videodb-pythonVideoDB Python SDK 是访问 VideoDB 云服务的官方 Python 客户端。VideoDB 把视频当作可查询的数据库，而不是传统文件：上传★ 113
ermerm 是一个本地运行的命令行工具，专门用于去除英语口语录音中的非流利停顿词（如 um、uh、er、erm、ah、hmm 等）。它解决的是播客、访谈、演讲等场景★ 112
mediamoldermediamolder 是一个用 Go 重写的 FFmpeg 风格多媒体处理工具，目标是做「AI 时代的 FFmpeg」。它保留转码、封装、编解码等传统能力（支★ 112
videoswarmVideoSwarm 是一个基于 Electron 和 React 构建的桌面端大规模视频数据集浏览工具。它采用瀑布流（Masonry）布局，能够同时加载和播放★ 106
html-gethtml-get 是一个 JavaScript 库，用于从任意网站抓取 HTML 内容，并针对纠错与速度做了专门优化。它解决的核心问题是：普通 fetch 或 ★ 102
Speech2VideoSpeech2Video 是一个基于 ACCV 2020 论文的开源项目，旨在从单一音频输入生成具有3D骨架正则化和丰富身体姿态的说话人视频。它解决的核心问题是★ 100
JRubyArtJRubyArt 是 Processing 的 Ruby 实现，让开发者用 Ruby 语言编写 Processing 创意编程项目。它解决了 Java 语法繁琐★ 95
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
text-to-speech-sample这是一个基于 Python3 的文本转语音视频示例项目，主要演示如何将文字内容转换为语音，并进一步生成带有音频的视频文件。它解决了从纯文本到可播放音视频内容的自★ 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
text-leech-bottext-leech-bot 是一个基于 Python 的 Telegram 机器人，核心功能是将文本内容（如小说、文章、字幕等）批量转换为视频并上传到 Tel★ 90
Talker-T2AVTalker-T2AV 是一个面向数字人视频生成的学术研究项目，发表于 ACM MM 2026，核心是联合生成与语音同步的音频和视频。它采用自回归扩散模型，将文★ 90
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
tokovotokovo 是一个 AI 原生的多设备视频创作工作室，专注于生成发生在手机内部的视频内容，例如手机录屏、应用演示、社交界面动画等。它解决的是传统视频制作中难以★ 81
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
AI-Video-ConverterAI-Video-Converter 是一个基于 ControlNet 和 Stable Diffusion 的 AI 视频转换工具，旨在将普通视频转换为风格化★ 78
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
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
text2videotext2video 是一个将文本自动转换为视频的开源工具，旨在提升学习内容的吸引力。它通过自然语言处理提取文本中的关键词，利用 AWS Polly 生成语音，★ 72
awesome-seedance-prompts这是一个专注于 Seedance 2.0 视频生成模型的提示词库和资源中心，收录了大量经过验证的高质量提示词模板，覆盖电影感、动漫、UGC、社交媒体、表情包和广★ 69