video-generation

Encadenamiento de clips para MiniMax H3 en ComfyUI: el movimiento y el audio continúan genuinamente a través de las uniones

[AAAI 2025] Follow-Your-Click: Este repositorio es la implementación oficial de "Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts".

[NeurIPS 2024] Un modelo de mundo generalizable para la conducción autónoma.

[ACM MM 2025] Ditto: Difusión en el espacio de movimiento para la síntesis controlable de cabezas parlantes en tiempo real

[ICLR2026] SeedVR2: Restauración de video en un solo paso mediante post-entrenamiento adversario de difusión.

[CVPR 2025 Highlight] Generación de video a partir de texto con preservación de identidad mediante descomposición de frecuencia.

UniAnimate-DiT: Animación de imágenes humanas con Video Diffusion Transformer a gran escala.

[SIGGRAPH 2025] Diffusion como shader: difusión de video con consciencia 3D para un control versátil de generación de video

Implementación oficial de "RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers" (ICML 2025), UltraViCo (ICLR 2026) y UltraImage.

CLI de generación de medios Flatkey para imágenes, videos, audio, texto, créditos y descubrimiento de modelos

Un motor de entrenamiento multimodal simple y unificado. Ligero, flexible y diseñado para hackear a gran escala.

Generar video a partir de texto usando IA

Kandinsky 5.0: Una familia de modelos de difusión para la generación de video e imagen.

Genera escenas 3D explorables a gran escala con videos panorámicos de alta calidad a partir de una sola imagen o prompt de texto.

[TMLR 2025🔥] Un estudio sobre modelos autorregresivos en visión artificial.

Open-WebUI Tools es un kit de herramientas modular diseñado para extender y enriquecer su instancia de Open WebUI, convirtiéndola en una potente estación de trabajo de IA. Con un conjunto de más de 15 herramientas especializadas, tuberías de funciones y filtros, este proyecto admite investigación académica, autonomía de agentes, creatividad multimodal, flujos de trabajo y más.

[CVPR 2024 Highlight] GenAD: Modelo predictivo generalizado para conducción autónoma

rCM y Causal-rCM: Algoritmos e infraestructuras unificadas y líderes para la destilación de difusión de video bidireccional/autorregresiva a gran escala

[NeurIPS 2025 Oral] Infinity⭐️: Modelado autorregresivo espacio-temporal unificado para generación visual.

Una colección de estudios impresionantes sobre generación de video.

[ICML 2024] MagicPose (también conocido como MagicDance): reorientación realista de poses humanas y expresiones faciales con difusión consciente de la identidad.

Entorno de ejecución y estudio de generación visual local-first para personas y agentes de codificación, con flujos de trabajo de imagen y video reproducibles en múltiples proveedores.

Un estudio sobre la generación/síntesis de texto a video.

Cosmos-Transfer2.5, construido sobre Cosmos-Predict2.5, genera simulaciones del mundo de alta calidad condicionadas a múltiples entradas de control espacial.

[ICCV 2025] Implementación oficial del artículo “MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control”

Plano de control local y nativo para agentes de ComfyUI: servidor MCP + agente de barra lateral que genera imágenes, video y audio, crea y ejecuta flujos de trabajo, y edita tu gráfico en tiempo real mediante lenguaje natural con cualquier LLM (Claude, ChatGPT, Gemini, Ollama offline o cualquier modelo alojado). Incluye 178 herramientas, 36 habilidades de IA y 55 paquetes de instalación. Funciona en local, LAN, VPS o Comfy Cloud.

Un repositorio minimalista y completo para avanzar en la ciencia de los modelos mundiales

[ICML 2025] Implementación oficial en PyTorch de "History-Guided Video Diffusion".

[ICLR 2026] ChronoEdit: Hacia el razonamiento temporal para la edición de imágenes y la simulación de mundos

[ECCV 2026] SparkVSR: Superresolución de video interactiva mediante propagación de fotogramas clave dispersos