video-generation

[TPAMI 2025🔥] मैजिकटाइम: मेटामॉर्फिक सिमुलेटर्स के रूप में टाइम-लैप्स वीडियो जनरेशन मॉडल

छवि और वीडियो को समझने, जनरेट करने और संपादित करने के लिए एक 3B-सक्रिय-पैरामीटर मूल एकीकृत मल्टीमॉडल मॉडल।

Model Context Protocol (MCP) और REST API का उपयोग करके TikTok, Instagram Reels और YouTube Shorts के लिए छोटे वीडियो बनाता है।

Bernini वीडियो जनरेशन और संपादन के लिए एक एकीकृत फ्रेमवर्क है जो MLLM-आधारित सिमेंटिक प्लानर को DiT-आधारित रेंडरर के साथ जोड़ता है।

Motion Representations for Articulated Animation पेपर के लिए कोड

Motus का आधिकारिक कोड: एक एकीकृत लेटेंट एक्शन वर्ल्ड मॉडल

हम प्रस्तुत करते हैं StableAvatar, पहला एंड-टू-एंड वीडियो डिफ्यूजन ट्रांसफॉर्मर, जो किसी भी पोस्ट-प्रोसेसिंग के बिना असीमित लंबाई के उच्च-गुणवत्ता वाले ऑडियो-संचालित अवतार वीडियो को संश्लेषित करता है, जो संदर्भ छवि और ऑडियो पर आधारित होता है।

[SIGGRAPH Asia 2026] 4DAnyone: कैज़ुअल मोनोकुलर वीडियो से 4D में किसी को भी बनाएं

एडिटोरियल हाफ़टोन पेपर-कोलाज B-roll एजेंट स्किल: थ्री-गेट अप्रूवल, Gemini Omni Flash फर्स्ट-एंड-लास्ट फ्रेम असेंबली एनिमेशन।

HunyuanCustom: कस्टमाइज्ड वीडियो जनरेशन के लिए एक मल्टीमॉडल-संचालित आर्किटेक्चर।

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

SCIS-2025 पेपर "UniAnimate: Taming Unified Video Diffusion Models for Consistent Human Image Animation" के लिए कोड।

Wunjo CE: Face Swap, Lip Sync, Control Remove Objects & Text & Background, Restyling, Audio Separator, Clone Voice, Video Generation। ओपन-सोर्स, लोकल और मुफ़्त।

[ICLR24] पेपर “MagicDrive: Street View Generation with Diverse 3D Geometry Control” का आधिकारिक कार्यान्वयन

Apple Silicon के लिए नेटिव LLM इन्फरेंस सर्वर। OpenAI और Anthropic API के साथ संगत। Python की आवश्यकता नहीं। इसमें चैट, एजेंट मोड और टूल कॉलिंग के साथ MLX Core macOS ऐप शामिल है।

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

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

SCAIL: 3D-संगत पोज़ अभ्यावेदन के इन-कंटेक्स्ट लर्निंग के माध्यम से स्टूडियो-ग्रेड कैरेक्टर एनिमेशन की ओर (CVPR 2026 Findings)

[ICML2025] SpargeAttention: एक ट्रेनिंग-मुक्त स्पार्स अटेंशन जो किसी भी मॉडल के इन्फॉरेंस को गति देता है।

[AAAI 2026] EchoMimicV3: एकीकृत मल्टी-मोडल और मल्टी-टास्क ह्यूमन एनिमेशन के लिए 1.3B पैरामीटर्स ही सब कुछ हैं

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।

स्क्रिप्ट और अधिकृत प्रस्तुतकर्ता छवि से सत्यापित AI प्रस्तुतकर्ता वीडियो बनाने के लिए प्रोवाइडर-न्यूट्रल Codex स्किल।

[TPAMI 2026] 3D और 4D वर्ल्ड मॉडलिंग: एक सर्वेक्षण

हाल के कुछ कंप्यूटर विज़न (CV) कार्यों की पेपर सूची

मोशन गाइडेंस के साथ फाइन-ग्रेन्ड ओपन डोमेन इमेज एनीमेशन

[ICLR 2024] SEINE: जेनरेटिव ट्रांज़िशन और प्रेडिक्शन के लिए शॉर्ट-टू-लॉन्ग वीडियो डिफ्यूजन मॉडल।

बॉट्स की एक प्रणाली जो कस्टम फिल्टर के माध्यम से स्वचालित रूप से क्लिप एकत्र करती है, आपको इन क्लिप्स को आसानी से ब्राउज़ करने देती है, और उन्हें एक संकलन वीडियो में जोड़ती है जिसे सीधे किसी भी सोशल मीडिया प्लेटफ़ॉर्म पर अपलोड किया जा सकता है। पूर्ण VPS सपोर्ट प्रदान किया गया है, साथ ही एक अकाउंट सिस्टम भी है ताकि कई उपयोगकर्ता एक साथ बॉट का उपयोग कर सकें। यह बॉट तीन अलग-अलग प्रोग्रामों में विभाजित है: सर्वर, क्लाइंट और अन्य।

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

एम्बॉडीड इंटेलिजेंस के लिए मिक्सचर-ऑफ़-एक्सपर्ट्स वीडियो प्रीट्रेनिंग को स्केल करना।

ComfyUI में MiniMax H3 के लिए क्लिप चेनिंग - मोशन और ऑडियो जॉइन के बीच निर्बाध रूप से जारी रहते हैं