#video-generation Repositories
Insgesamt 288 Repositories
【融光】 - End-to-End-Kreativplattform auf Agent-Basis für KI-Kurzdramen, Motion Comics und Videos – entwickelt mit Java und AgentScope 2.0.
Offizielle Implementierungen für das Paper: DreamTalk: Wenn ausdrucksstarke sprechende Kopfgenerierung auf diffusionswahrscheinliche Modelle trifft
Thema → 4K-Video mit Sprecher für Coding-Agenten. v5.3.0: lokales TTS (kostenloses Edge + Azure, keine externe Engine), manifestbasierte Asset-Engine, Remotion-Komposition, kostengesteuerte KI-Generierung, Bilibili/YouTube/Xiaohongshu/Douyin/WeChat-Kanäle
Open-Source-Higgsfield auf ComfyUI: 120 Apps für Bilder, Videos, VFX und Audio; alle Modelle mit offenen Gewichten. Läuft auf Modal oder deiner eigenen GPU.
Natürliche Sprachgesteuerter unendlicher Canvas-Workflow-Agent, der AI-Videoproduktion erstmals zu einem wirklich editierbaren Workflow macht. AICON richtet sich an Kreative und bietet ein vollständiges Set an Fähigkeiten von Drehbuchzerlegung, Storyboard-Generierung, Materialerstellung, Videosynthese bis hin zur Content-Verteilung. Nicht nur ein Eingabefeld, sondern ermöglicht es Ihnen, die Kreation mit natürlicher Sprache und unendlichem Canvas zu steuern, Text-, Bild- und Videoknoten zu einem vollständigen Chain zu organisieren und „von der Idee zum fertigen Film“ wirklich in einem System abzuschließen.
Offizieller MiniMax Model Context Protocol (MCP) Server, der die Interaktion mit leistungsstarken Text-to-Speech-, Bildgenerierungs- und Videogenerierungs-APIs ermöglicht.
Offizielle Implementierung von "MIMO: Kontrollierbare Charakter-Videosynthese mit räumlich zerlegter Modellierung"
Wir stellen Prism vor, ein dynamisches Sparse-Attention-Framework für das native Training gemeinsamer Video- und Audio-Generierungsmodelle in 2K.
[SIGGRAPH Asia 2026] 4DAnyone: Beliebige Personen in 4D aus einem beiläufig aufgenommenen monokularen Video erstellen
Phantom: Subjekt-konsistente Videoerzeugung durch Cross-Modale Ausrichtung
Skill für virale Vibe-Wissensclips auf Douyin: Analysiert erfolgreiche Videos im Detail, reproduziert ihren visuellen Stil, erstellt Regie-Storyboards, fügt automatisch Soundeffekte hinzu und produziert das fertige Video mit einem Klick.
(CVPR 2025) Von langsamen bidirektionalen zu schnellen autoregressiven Video-Diffusionsmodellen
Cosmos-Predict2.5, die neueste Version der Cosmos World Foundation Models (WFMs)-Familie, die auf die Simulation und Vorhersage des zukünftigen Zustands der Welt in Form von Videos spezialisiert ist.
Erklärvideos und Produktdemos, erstellt von deinem KI-Agenten. Kostenlos und Open Source: Eine lokale Stimme (Kokoro), Wort-Timing (Whisper) und ein Canvas-Renderer verwandeln ein Skript in eine vertonte MP4-Datei.
Clip-Verkettung für MiniMax H3 in ComfyUI - Bewegung und Audio setzen sich an den Verbindungsstellen wirklich fort
341 Prompts für Code-Animationsstile, 196 Referenzbilder und ein Offline-Auswahltool, gebündelt als Claude Code / Codex Skill, mit Import per Klick und HTML-Videorendering.
Bernini ist ein einheitliches Framework für Videogenerierung und -bearbeitung, das einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer kombiniert.
Ein natives, vereinheitlichtes multimodales Modell mit 3 Milliarden aktiven Parametern für das Verständnis, die Generierung und die Bearbeitung von Bildern und Videos.
Implementierung von Video-Diffusionsmodellen, Jonathan Hos neuem Paper zur Erweiterung von DDPMs auf die Videogenerierung – in Pytorch
[AAAI 2024] Follow-Your-Pose: Dieses Repository ist die offizielle Implementierung von "Follow-Your-Pose : Pose-Guided Text-to-Video Generation using Pose-Free Videos"
[TPAMI 2025🔥] MagicTime: Zeitraffer-Videogenerierungsmodelle als metamorphe Simulatoren
Timestep-Einbettungen erzählen: Es ist an der Zeit, für Video-Diffusionsmodelle zu cachen
MiniSora: Eine Community, die darauf abzielt, den Implementierungsweg und die zukünftige Entwicklungsrichtung von Sora zu erforschen.
Code für Motion Representations für Articulated Animation Paper
[NeurIPS2026] Wir stellen StableAvatar vor, den ersten End-to-End-Video-Diffusion-Transformer, der ohne jegliche Nachbearbeitung unendlich lange, hochwertige, audiogesteuerte Avatar-Videos synthetisiert, basierend auf einem Referenzbild und Audio.
[ICML2025] SpargeAttention: Ein trainingsfreier spärlicher Aufmerksamkeitsmechanismus, der die Inferenz jedes Modells beschleunigt.
[ICCV'23] Effiziente Regions-Aware Neural Radiance Fields für die Synthese von sprechenden Porträts mit hoher Wiedergabetreue
[CVPR'25] Tora: Trajektorienorientierter Diffusions-Transformer für die Videogenerierung
Die Open-Source-KI-Engine für AMD Strix Halo. Text-, Embedding-, Sprach-, Bild- und Videomodelle in einer einzigen Binärdatei – mit OpenAI-kompatiblen APIs, Caching für Programmieragenten und Modellerweiterungen. Linux und Windows.
https://wavespeed.ai/ [WIP] Die All-in-One-Inferenzoptimierungslösung für ComfyUI, universell, flexibel und schnell.
HunyuanCustom: Eine multimodale, getriebene Architektur für die benutzerdefinierte Videoerstellung
Erstellt kurze Videos für TikTok, Instagram Reels und YouTube Shorts mithilfe des Model Context Protocol (MCP) und einer REST API.
Kostenloses Open-Source-Projekt, das entwickelt wurde, um YouTube-Videos in virale Kurzvideos umzuwandeln. Highlight-Erkennung, Untertitel, Übersetzung, Voiceover – alles in einem für Ihre Inhalte.
Code für SCIS-2025 Paper "UniAnimate: Taming Unified Video Diffusion Models for Consistent Human Image Animation".
Wunjo Make: Gesichtstausch, Lippensynchronisation, Steuerung, Entfernen von Objekten, Text und Hintergrund, Neugestaltung, Audiotrennung, Stimmenklonen und Videogenerierung. Open Source, lokal und kostenlos.
Videogenerierung mit Code und Claude Opus 5.5: Beispiele aus dem gesamten Web und direkt kopierbare Prompts | Direkt kopierbare Prompts und 54 Beispiele für mit Opus 5.5 codegerenderte Videos
🎬 Erstelle aus einem einzigen Prompt erzählte Filmzusammenfassungen als Videos.
[ICLR24] Offizielle Implementierung des Papers „MagicDrive: Erzeugung von Straßenszenen mit vielfältiger Steuerung der 3D-Geometrie“
Lokal priorisierte KI-Videoneugestaltung mit Entwurfsprüfung, ausdrücklicher Freigabe der HD-Version und Wiederherstellung des Originaltons.
Ein Basismodell, das synchronisierte Videos und Audiodaten in einem einzigen Modell generiert
[AAAI 2026] EchoMimicV3: 1,3 Milliarden Parameter sind alles, was Sie für eine einheitliche multi-modale und Multi-Task-Menschanimation benötigen