text-to-video

MOVA: स्केलेबल और सिंक्रोनाइज़्ड वीडियो-ऑडियो जनरेशन की दिशा में

[NeurIPS 2024] "ShareGPT4Video: Improving Video Understanding and Generation with Better Captions" का आधिकारिक कार्यान्वयन

HunyuanVideo-Foley: उच्च-निष्ठा वाले फोली ऑडियो निर्माण के लिए रिप्रेजेंटेशन अलाइनमेंट के साथ मल्टीमॉडल डिफ्यूजन।

[ECCV 2024 Oral] MotionDirector: टेक्स्ट-टू-वीडियो डिफ्यूजन मॉडल का मोशन कस्टमाइजेशन

OpenClaw संसाधनों, उपकरणों, कौशलों, ट्यूटोरियल और लेखों की एक क्यूरेटेड सूची। OpenClaw (पूर्व में Moltbot / Clawdbot) — WhatsApp, Telegram, Discord और 50+ एकीकरणों के लिए ओपन-सोर्स सेल्फ-होस्टेड AI एजेंट।

ब्रेनरॉट फॉर्मेट में टेक्स्ट-टू-वीडियो जनरेटर। अपने पसंदीदा व्यक्तित्वों से किसी भी विषय के बारे में जानें

[ICML 2026] "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" और Causal Forcing++ के लिए आधिकारिक कोडबेस

टेक्स्ट और इमेज से वीडियो जनरेशन, पहली पीढ़ी

Topic in, narrated explainer video out. A Claude Code / Codex skill that turns any topic into a black-canvas motion-graphics explainer video with TTS voiceover, subtitles and a chapter progress bar. Chinese or English; every frame drawn in code with Remotion.

[CVPR 2025 Highlight🔥] फ्रीक्वेंसी डिकंपोजिशन द्वारा आइडेंटिटी-प्रिजर्विंग टेक्स्ट-टू-वीडियो जनरेशन।

Kandinsky 5.0: वीडियो और इमेज जनरेशन के लिए डिफ्यूजन मॉडल्स का एक परिवार।

AI का उपयोग करके टेक्स्ट से वीडियो जनरेट करें।

एक इमेज या टेक्स्ट प्रॉम्प्ट से उच्च-गुणवत्ता वाले पैनोरमा वीडियो के साथ बड़े पैमाने पर एक्सप्लोरेबल 3D दृश्य उत्पन्न करें।

Pytorch में Phenaki Video का कार्यान्वयन, जो 2 मिनट तक के टेक्स्ट-गाइडेड वीडियो बनाने के लिए Mask GIT का उपयोग करता है।

CLIP + FFT/DWT/RGB = टेक्स्ट से इमेज/वीडियो

ClipForge: ओपन-सोर्स AI ई-कॉमर्स/UGC शॉर्ट-वीडियो जनरेटर। एक उत्पाद छवि अपलोड करें, AI स्वचालित रूप से बिक्री बिंदु निकालेगा, स्क्रिप्ट लिखेगा, छवि को विकृत किए बिना लॉक करेगा, और दृश्य/वॉयसओवर/सबटाइटल जोड़ेगा। एक क्लिक में TikTok Shop, Kuaishou, Xiaohongshu के लिए वीडियो बनाएं। शून्य लागत बैच उत्पादन, ओपन-सोर्स, कोई वॉटरमार्क नहीं, स्थानीय परिनियोजन।

टेक्स्ट-टू-वीडियो जनरेशन/सिंथेसिस पर एक सर्वेक्षण।

Paddle मल्टीमॉडल इंटीग्रेशन और एक्सप्लोरेशन, जो मुख्यधारा के मल्टी-मॉडल कार्यों का समर्थन करता है, जिसमें एंड-टू-एंड लार्ज-स्केल मल्टी-मॉडल प्रीट्रेन मॉडल और डिफ्यूजन मॉडल टूलबॉक्स शामिल हैं। उच्च प्रदर्शन और लचीलेपन से लैस।

Yume का आधिकारिक कोड

GPT Image 2 to Seedance 2.5 Early Access workflow guide.

VEnhancer के आधिकारिक कोड: वीडियो जनरेशन के लिए जेनरेटिव स्पेस-टाइम एन्हांसमेंट।

आइए वीडियो जनरेशन मॉडल को फाइन-ट्यून करें!ഃ

🔥🔥🔥 LLMs-आधारित मल्टीमॉडल जनरेशन (इमेज, वीडियो, 3D और ऑडियो) पर शोध पत्रों की एक क्यूरेटेड सूची।

[ECCV 2024] FreeInit: वीडियो डिफ्यूजन मॉडल में इनिशियलाइज़ेशन गैप को कम करना।

मल्टी-मॉडल DAG-संचालित समानांतर AI फिल्म जनरेशन इंजन, जो CPM एल्गोरिदम का उपयोग करके दृश्यों को एक साथ जेनरेट करता है।

An all-in-one, 100% local AI video, image, and music studio. Director mode plans full music videos and short films from a single prompt. Built on the WanGP pipeline. Install via Pinokio.

अपने कोडिंग एजेंट को वीडियो स्टूडियो में बदलें: साधारण भाषा में वीडियो का वर्णन करें, और आपका एजेंट टाइमलाइन लिखकर फाइल तैयार करेगा।

विभिन्न प्रोजेक्ट्स के लिए Google Colab नोटबुक का एक संग्रह

Open-source AI video workbench. Bring any model or your local ComfyUI, and let Claude Code / Codex / Cursor direct it over MCP — storyboard, references, generation, editable first cut on a real timeline. Local-first: projects, prompts, and keys stay on your machine. No account, no telemetry.