video-generation

Encadeamento de Clip para MiniMax H3 no ComfyUI - movimento e áudio continuam genuinamente através das junções

[AAAI 2025] Follow-Your-Click: Este repositório é a implementação oficial de "Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts"

[NeurIPS 2024] Um Modelo de Mundo Generalizável para Direção Autônoma

[ACM MM 2025] Ditto: Difusão no Espaço de Movimento para Síntese Controlável de Talking Head em Tempo Real

[ICLR2026] SeedVR2: Restauração de vídeo em passo único via pós-treinamento adversarial por difusão

[Destaque CVPR 2025] Geração de vídeo a partir de texto com preservação de identidade via decomposição de frequência

UniAnimate-DiT: Animação de imagem humana com Transformer de difusão de vídeo em larga escala

[SIGGRAPH 2025] Diffusion as Shader: Difusão de vídeo 3D-aware para controle versátil de geração de vídeo

Implementação oficial para "RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers" (ICML 2025), UltraViCo (ICLR 2026) e UltraImage

CLI de geração de mídia Flatkey para imagens, vídeos, áudio, texto, créditos e descoberta de modelos.

Um mecanismo de treinamento de modelos multimodais simples e unificado. Enxuto, flexível e criado para hacking em escala.

Gere vídeos a partir de texto usando IA

Kandinsky 5.0: Uma família de modelos de difusão para geração de vídeo e imagem

Gere cenas 3D exploráveis em larga escala com vídeos panorâmicos de alta qualidade a partir de uma única imagem ou comando de texto.

[TMLR 2025🔥] Uma pesquisa sobre modelos autorregressivos em visão.

Open‑WebUI Tools é um kit de ferramentas modular projetado para estender e enriquecer sua instância do Open WebUI, transformando-a em uma poderosa estação de trabalho de IA. Com um conjunto de mais de 15 ferramentas especializadas, pipelines de funções e filtros, este projeto oferece suporte a pesquisa acadêmica, autonomia de agentes, criatividade multimodal, fluxos de trabalho e muito mais.

[CVPR 2024 Highlight] GenAD: Modelo Preditivo Generalizado para Direção Autônoma

rCM & Causal-rCM: Algoritmos e infraestruturas líderes e unificados para destilação de difusão de vídeo bidirecional/autorregressiva em larga escala

[NeurIPS 2025 Oral] Infinity⭐️: Modelagem Auto-Regressiva Espaço-Temporal Unificada para Geração Visual

Uma coleção de estudos incríveis sobre geração de vídeo.

[ICML 2024] MagicPose (também conhecido como MagicDance): Retargeting realista de poses humanas e expressões faciais com difusão consciente de identidade.

Runtime e estúdio de geração visual local-first para pessoas e agentes de codificação, com fluxos de trabalho de imagem e vídeo reproduzíveis em múltiplos provedores.

Um Levantamento sobre Geração/Síntese de Texto para Vídeo.

Cosmos-Transfer2.5, construído sobre o Cosmos-Predict2.5, produz simulações de mundo de alta qualidade condicionadas a múltiplas entradas de controle espacial.

[ICCV 2025] Implementação oficial do artigo "MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control"

Plano de controle local e nativo para agentes para o ComfyUI — servidor MCP + agente de barra lateral que gera imagens, vídeo e áudio, cria e executa fluxos de trabalho e edita seu gráfico em tempo real usando linguagem natural com QUALQUER LLM (Claude, ChatGPT, Gemini, Ollama offline ou qualquer modelo hospedado). 178 ferramentas, 36 habilidades de IA, 55 pacotes de instalador. Local, LAN, VPS ou Comfy Cloud.

Um repositório minimalista e completo para o avanço da ciência de Modelos de Mundo.

[ICML 2025] Implementação oficial em PyTorch de 'History-Guided Video Diffusion'.

[ICLR 2026] ChronoEdit: Rumo ao raciocínio temporal para edição de imagens e simulação de mundos

[ECCV 2026] SparkVSR: Super-resolução de vídeo interativa via propagação de keyframes esparsos