视频

PIA 开源

输入文本，让静态照片动起来，生成个性化动画视频

PIA 是一个基于扩散模型的个性化图像动画生成工具，来自 CVPR 2024。它解决的核心问题是：如何将一···

VidToMe 开源

上传视频，输入文字，零训练直接改视频内容

VidToMe 是 CVPR 2024 的官方 PyTorch 实现，提出一种零样本视频编辑方法，通过视频令牌合并（Vide···

FreeInit 开源

不重训模型，让视频生成更连贯更稳定

FreeInit 是一个针对视频扩散模型的训练后优化方法，由南洋理工大学等机构在 ECCV 2024 提出。它解···

animate-anything 开源

上传一张图，指定运动轨迹，即可生成动态视频。

animate-anything 是一个基于扩散模型的图像动画化开源项目，旨在将静态图片按照用户指定的运动引导···

panacea 开源

一键生成自动驾驶全景视频，可控又逼真

Panacea 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···

RAVE 开源

快速稳定地编辑视频，用文本指令让扩散模型动起来。

RAVE 是一个基于扩散模型的视频编辑工具，核心思路是通过随机噪声重排（Randomized Noise Shufflin···

LivePhoto 开源

输入一张照片和一句动作描述，即可生成动态视频

LivePhoto 是论文《LivePhoto: Real Image Animation with Text-guided Motion Control》的官方实现···

Video-Motion-Customization 开源

给视频生成装上运动控制器，让动作随你定制

Video-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···

DynamiCrafter 开源

上传一张静态图，AI 让它动起来，生成自然流畅的视频。

DynamiCrafter 是一个基于视频扩散先验的开源图像动画工具，能将静态图片转换为动态视频。它解决了···

KandinskyVideo 开源

输入一句话，AI 自动生成短视频片段

KandinskyVideo 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。···

MagicDance 开源

一张图+任意动作，生成身份不变的逼真人物视频

MagicDance（又称MagicPose）是一个基于扩散模型的人体姿态与面部表情重定向工具，由ICML 2024论文···

vox-ai-motion-graphics-generator 开源

输入主题，自动生成 Vox 风格拼贴解说视频

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···

InterpAny-Clearer 开源

让视频慢动作更清晰，任意时刻补帧还能随心操控。

InterpAny-Clearer 是一个基于深度学习的视频帧插值（Video Frame Interpolation）与图像操作工具，···

MotionDirector 开源

上传参考视频，用文本定制生成专属动作视频

MotionDirector 是 ECCV 2024 Oral 论文的开源实现，专注于文本到视频扩散模型的运动定制。它解决的···

LAMP 开源

用少量视频样本，学运动模式，生成和编辑视频

LAMP 是一个基于扩散模型的少样本视频生成框架，发表于 CVPR 2024。它旨在解决视频生成中数据稀缺和···

flatten 开源

用光流引导注意力，让视频编辑不闪不抖，保持时序一致

FLATTEN 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···

pyvideotrans 开源

上传视频，一键生成多语言配音和字幕，轻松出海。

pyvideotrans 是一个开源的视频翻译与配音工具，能够将视频中的语音识别为文字，翻译成目标语言，并···

LLM-groundedVideoDiffusion 开源

用LLM规划场景，让文本生成视频更听话

LLM-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···

deforum-kandinsky 开源

用 Kandinsky 模型快速生成 Deforum 风格短视频动画

deforum-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···

AI-Video-Translation 开源

一键在Colab里给视频换语言，还带口型同步

这是一个基于Google Colab的简易视频翻译工具，主要功能是将原始视频翻译成多种语言，并同步调整口···

R-ESRGAN-AnimeVideo-UI 开源

一键将动漫视频高清放大，画质飞跃

reav-ui 是一个基于 R-ESRGAN 的视频放大工具，专注于动漫和卡通内容的画质提升。它解决了动漫视频···

TempoTokens 开源

让音频直接驱动视频生成，对齐又多样

TempoTokens 是 AAAI 2024 论文的官方 PyTorch 实现，旨在解决音频到视频生成中多样性与对齐性的难···

SEINE 开源

用文本或图像生成连贯长视频，还能让视频间无缝过渡

SEINE 是一个基于扩散模型的视频生成工具，专注于短片段到长视频的生成，以及视频之间的平滑过渡。···

Free-Bloom 开源

输入一句话，LLM 当导演，LDM 自动生成视频

Free-Bloom 是一个零样本（Zero-Shot）文本生成视频的开源项目，发表于 NeurIPS 2023。它解决的是无···