VideoTetris 是视频领域的开源项目，由 YangLing0818 开发，2024 年首次发布。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 237。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，可免费使用和部署。
它主要面向的使用场景是：影视预演：快速生成多角色互动分镜。同类可对比的替代方案包括 VideoCrafter、ModelScope Text-to-Video、CogVideo。
VideoTetris
把复杂文字提示拆解组合，生成多对象连贯视频
VideoTetris 是 NeurIPS 2024 收录的组合式文生视频框架，解决现有模型难以生成包含多个对象、动作和场景的复杂视频问题。它通过将视频生成分解为空间、时间和时空三个维度的组合单元，并利用大语言模型进行指令分解和排序，实现复杂文本提示的精准视频合成。核心能力包括：基于扩散模型的组合式生成、多对象时空一致性控制、以及可插拔的模块化设计，能无缝集成到现有文生视频模型（如 VideoCrafter）中。项目提供完整训练和推理代码，支持自定义组合逻辑，为视频生成研究提供新范式。
开源
free
开源模型
GitHub 星标
★ 237
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队YangLing0818
所属国家
定价模式free
价格说明开源项目，MIT许可证，可免费使用和部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型diffusion-models,large-language-models,text-to-video-generation
GitHub 星标★ 237
30天Star增速
HF 下载量
上线时间2024-06-06 00:00:00
最近更新2026-09-23 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7
使用教程
核心亮点
- 提出三维组合生成框架，解决多对象/动作场景的生成难题
- 基于大模型指令分解，提升复杂提示的语义跟随精度
- 模块化设计，可轻松接入现有扩散模型，扩展性强
不足之处
- 项目处于早期，文档和社区支持待观察
- 训练和推理资源需求较高，普通硬件难以复现
适用场景
- 影视预演：快速生成多角色互动分镜
- 广告创意：按脚本生成多场景组合视频素材
- 研究实验：作为组合式视频生成的基线框架
替代项目
VideoCrafter、ModelScope Text-to-Video、CogVideo
项目介绍
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···