video-generation

[TPAMI 2025🔥] MagicTime: Zeitraffer-Videogenerierungsmodelle als metamorphe Simulatoren

Ein natives, einheitliches multimodales Modell mit 3B aktiven Parametern für Bild- und Videoverständnis, -generierung und -bearbeitung.

Erstellt Kurzvideos für TikTok, Instagram Reels und YouTube Shorts mithilfe des Model Context Protocol (MCP) und einer REST-API.

Bernini ist ein einheitliches Framework für die Videoerstellung und -bearbeitung, das einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer kombiniert.

Code für die Arbeit „Motion Representations for Articulated Animation“

Offizieller Code von Motus: Ein einheitliches latentes Aktions-Weltmodell

Wir präsentieren StableAvatar, den ersten End-to-End-Video-Diffusion-Transformer, der basierend auf einem Referenzbild und Audio unendlich lange, hochwertige, audio-gesteuerte Avatar-Videos ohne Nachbearbeitung synthetisiert.

Halbton-Papiercollage-B-Roll-Generierungs-Skill: Drei-Tore-Freigabe, Gemini Omni Flash Start- und Endframe-Animationsmontage

HunyuanCustom: Eine multimodal gesteuerte Architektur zur personalisierten Videogenerierung

[SIGGRAPH Asia 2026] 4DAnyone: Create Anyone in 4D from a Casual Monocular Video

Code für das SCIS-2025-Paper „UniAnimate: Taming Unified Video Diffusion Models for Consistent Human Image Animation“.

Wunjo CE: Gesichtstausch, Lippensynchronisation, Entfernen von Steuerelementen, Objekten, Text und Hintergrund, Restyling, Audio-Trenner, Stimmklonung, Videogenerierung. Open Source, lokal & kostenlos.

[ICLR24] Offizielle Implementierung des Papiers „MagicDrive: Street View Generation with Diverse 3D Geometry Control“

Nativer LLM-Inferenzserver für Apple Silicon. Kompatibel mit der OpenAI- und Anthropic-API. Kein Python. Inklusive MLX Core macOS-App mit Chat, Agentenmodus und Tool-Aufrufen.

MOVA: Auf dem Weg zu skalierbarer und synchronisierter Video-Audio-Generierung

[ECCV 2024 Oral] MotionDirector: Bewegungskonibierung von Text-zu-Video-Diffusion-Modellen.

SCAIL: Towards Studio-Grade Character Animation via In-Context Learning of 3D-Consistent Pose Representations (CVPR 2026 Findings)

[ICML2025] SpargeAttention: Eine trainingsfreie sparse Attention, die die Inferenz beliebiger Modelle beschleunigt.

[AAAI 2026] EchoMimicV3: 1,3B Parameter sind alles, was man für eine einheitliche multimodale und Multitask-Mensch-Animation braucht

Eine kuratierte Liste von OpenClaw-Ressourcen, Tools, Fähigkeiten, Tutorials und Artikeln. OpenClaw (ehemals Moltbot / Clawdbot) – ein Open-Source, selbst gehosteter KI-Agent für WhatsApp, Telegram, Discord und über 50 Integrationen.

Provider-neutral Codex Skill for producing verified AI presenter videos from a script and an authorized presenter image.

[TPAMI 2026] 3D- und 4D-Weltmodellierung: Eine Übersicht

:fire: :fire: :fire: Eine Literaturliste zu einigen aktuellen Arbeiten im Bereich Computer Vision (CV)

Feingranulare Open-Domain-Bildanimation mit Bewegungslenkung (Motion Guidance)

[ICLR 2024] SEINE: Short-to-Long Video Diffusion Model für generative Übergänge und Vorhersagen

Ein System aus Bots, das Clips automatisch über benutzerdefinierte Filter sammelt, das einfache Durchsuchen dieser Clips ermöglicht und sie zu einem Zusammenschnitt-Video zusammenfügt, das direkt auf jede Social-Media-Plattform hochgeladen werden kann. Voller VPS-Support wird bereitgestellt, zusammen mit einem Kontosystem, sodass mehrere Benutzer den Bot gleichzeitig verwenden können. Dieser Bot ist in drei separate Programme aufgeteilt: Den Server, den Client und Th

[ICML 2026] Offizielle Codebasis für „Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation“ & Causal Forcing++

Skalierung des Mixture-of-Experts-Videovortrainings für verkörperte Intelligenz

Videogenerierung aus Text und Bild, 1. Generation

Free open-source project designed for turning youtube-viedos into viral short videos. Highlight detection, subtitles, translation, voiceover, all in one for your content.