#video-generation Репозитории
Всего репозиториев: 288
【融光】 — Сквозная AI-платформа на базе агентов для создания коротких драм, моушн-комиксов и видео, разработанная на Java и AgentScope 2.0.
Официальные реализации статьи: DreamTalk: Когда выразительная генерация говорящей головы встречается с диффузионными вероятностными моделями
Тема → 4K-видео с озвучкой для кодинг-агентов. v5.3.0: локальный TTS (бесплатный Edge + Azure, без внешнего движка), движок ресурсов на основе манифеста, композиция Remotion, генерация ИИ с учётом затрат, Bilibili/YouTube/Xiaohongshu/Douyin/каналы WeChat
Higgsfield с открытым исходным кодом на ComfyUI: 120 приложений для работы с изображениями, видео, визуальными эффектами и аудио; веса всех моделей открыты. Работает на Modal или на вашем GPU.
Агент рабочего процесса с бесконечным холстом, управляемый естественным языком, делает создание видео с ИИ по-настоящему редактируемым рабочим процессом впервые. AICON ориентирован на создателей контента и предоставляет полный набор возможностей: от разбора сценария и генерации раскадровки до генерации материалов, синтеза видео и распространения контента. Не просто поле ввода, а возможность управлять творчеством с помощью естественного языка и бесконечного холста, организуя узлы текста, изображений и видео в полную цепочку,真正 помещая «от идеи до готового фильма» в одну систему.
GigaWorld-0: Мировые модели как движок данных для расширения возможностей воплощенного ИИ
Официальный сервер протокола контекста модели MiniMax (MCP), который обеспечивает взаимодействие с мощными API преобразования текста в речь, генерации изображений и генерации видео.
Официальная реализация "MIMO: Синтез управляемых видео персонажей с пространственно-разложенным моделированием"
Мы предлагаем Prism — динамический фреймворк разреженного внимания для нативного обучения моделей совместной генерации видео и аудио в разрешении 2K.
[SIGGRAPH Asia 2026] 4DAnyone: Создание любого человека в 4D по обычному монокулярному видео
Phantom: Генерация видео, согласованного с субъектом, посредством межмодального выравнивания
Навык для создания вирусных коротких познавательных роликов в стиле Vibe для Douyin: детально анализирует популярные видео, воссоздаёт их визуальный стиль, составляет режиссёрскую раскадровку, автоматически добавляет звуковые эффекты и создаёт готовый ролик одним нажатием.
(CVPR 2025) От медленных двунаправленных к быстрым авторегрессионным диффузионным моделям видео
Cosmos-Predict2.5, новейшая версия семейства Cosmos World Foundation Models (WFMs), предназначенная для моделирования и прогнозирования будущего состояния мира в виде видео.
Объясняющие видео и демонстрации продуктов, созданные вашим ИИ-агентом. Бесплатно и с открытым исходным кодом: локальный голос (Kokoro), синхронизация слов (Whisper) и рендерер на основе canvas превращают сценарий в MP4 с озвучкой.
Соединение клипов для MiniMax H3 в ComfyUI - движение и звук действительно продолжаются через стыки
341 промпт для стилей кодовой анимации, 196 справочных стоп-кадров и офлайн-селектор, объединённые в Skill для Claude Code / Codex, с импортом в один клик и рендерингом видео в HTML.
Bernini — это унифицированная платформа для генерации и редактирования видео, объединяющая семантический планировщик на основе MLLM с рендерером на основе DiT.
Нативная унифицированная мультимодальная модель с 3 миллиардами активных параметров для понимания, генерации и редактирования изображений и видео.
Реализация моделей диффузии видео, новая статья Джонатана Хо, расширяющая DDPM для генерации видео – в Pytorch
[AAAI 2024] Follow-Your-Pose: Этот репозиторий является официальной реализацией "Follow-Your-Pose : Pose-Guided Text-to-Video Generation using Pose-Free Videos"
[TPAMI 2025🔥] MagicTime: Модели генерации ускоренных видео как метаморфические симуляторы
Встраивания временных шагов рассказывают: пришло время кэшировать для модели видеодиффузии
MiniSora: Сообщество, цель которого — изучить путь реализации и направление будущего развития Sora.
Код для представлений движения для статьи по сочлененной анимации
[NeurIPS2026] Мы представляем StableAvatar — первый сквозной трансформер диффузии видео, который синтезирует высококачественные аватар-видео с аудиоуправлением неограниченной длины без какой-либо постобработки, используя в качестве условий эталонное изображение и аудио.
[ICML2025] SpargeAttention: Обучаемая разреженная модель внимания, ускоряющая вывод любых моделей.
[ICCV'23] Эффективные нейронные поля излучения с учетом региона для высокоточной синтетики говорящих портретов
[CVPR'25] Tora: Траекторно-ориентированный диффузионный трансформер для генерации видео
Открытый ИИ-движок для AMD Strix Halo. Текстовые модели, модели эмбеддингов, речи, изображений и видео в одном бинарном файле, а также API, совместимые с OpenAI, кэширование для агентов программирования и расширения моделей. Linux и Windows.
https://wavespeed.ai/ [WIP] Универсальное, гибкое и быстрое решение для оптимизации инференса "все в одном" для ComfyUI.
HunyuanCustom: Мультимодальная архитектура для индивидуального создания видео
Создает короткие видео для TikTok, Instagram Reels и YouTube Shorts с использованием протокола контекста модели (MCP) и REST API.
Бесплатный проект с открытым исходным кодом, созданный для превращения видео с YouTube в вирусные короткие ролики. Определение ярких моментов, субтитры, перевод, озвучка — всё в одном для вашего контента.
Код для статьи SCIS-2025 "UniAnimate: Обуздание унифицированных диффузионных моделей видео для последовательной анимации изображений человека".
Wunjo Make: замена лиц, синхронизация губ, управление, удаление объектов, текста и фона, рестайлинг, разделение аудио, клонирование голоса и генерация видео. Открытый исходный код, локальная работа и бесплатно.
Создание видео с помощью кода в Claude Opus 5.5: примеры со всего интернета и готовые к копированию промпты | Готовые к копированию промпты и 54 примера видео, созданных с помощью кода в Opus 5.5
[ICLR24] Официальная реализация статьи «MagicDrive: Генерация уличных сцен с разнообразным контролем 3D-геометрии»
Локальная ИИ-переработка видео с проверкой черновиков, явным подтверждением HD-версии и восстановлением исходной аудиодорожки.
Базовая модель, которая генерирует синхронизированные видео и аудио в рамках одной модели
[AAAI 2026] EchoMimicV3: 1,3 миллиарда параметров — это все, что вам нужно для унифицированной мультимодальной и многозадачной анимации человека