video-generation

基於文字與圖片的影片生成（第一代）

[AAAI 2025] Follow-Your-Click：此儲存庫為「Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts」的官方實作

[NeurIPS 2024] 自動駕駛通用世界模型

[ACM MM 2025] Ditto：用於可控即時虛擬人像合成的運動空間擴散模型。

用於圖像、影片、音訊、文字、製作名單與模型探索的 Flatkey 媒體生成 CLI

[ICLR2026] SeedVR2：透過擴散對抗後訓練實現的單步影片修復

[CVPR 2025 Highlight🔥] 基於頻率分解的保持身份文字轉視訊生成

UniAnimate-DiT：基於大規模視訊擴散Transformer的人像動畫生成

[SIGGRAPH 2025] Diffusion as Shader: 用於多功能影片生成控制的 3D 感知影片 Diffusion

「RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers」(ICML 2025)、UltraViCo (ICLR 2026) 與 UltraImage 的官方實作

一個簡單、統一的多模態模型訓練引擎。精簡、靈活，專為大規模修改與實驗打造。

Kandinsky 5.0：用於影片與圖片生成的擴散模型系列

使用 AI 從文字產生影片

從單張圖片或文字提示詞生成具備高品質全景影片的大規模可探索 3D 場景。

Open‑WebUI Tools 是一個模組化工具包，旨在擴充並豐富您的 Open WebUI 實例，將其轉化為強大的 AI 工作站。專案內含超過 15 種專門工具、函式管線與過濾器，支援學術研究、代理自主性、多模態創造力、工作流程等功能。

[TMLR 2025🔥] 視覺自迴歸模型總覽。

[CVPR 2024 Highlight] GenAD：用於自動駕駛的廣義預測模型

rCM 與 Causal-rCM：大規模雙向／自迴歸影片擴散蒸餾的領先與統一演算法／基礎設施

[NeurIPS 2025 Oral] Infinity⭐️：用於視覺生成的統一時空自回歸建模。

精選的影片生成研究集合。

[ICML 2024] MagicPose (又稱 MagicDance)：具備身分識別感知的 Diffusion 實現真實人類姿態與面部表情重定向

針對人類與 coding agents 的 Local-first 視覺化生成執行環境與工作室，在多個供應商之間提供可重現的圖片與影片工作流程。

文字轉影片生成/合成技術綜述。

Cosmos-Transfer2.5 基於 Cosmos-Predict2.5 建構，可根據多種空間控制輸入產生高品質的世界模擬。

本地優先、Agent 原生的 ComfyUI 控制平面——內含 MCP 伺服器與側邊欄 Agent，可使用任何 LLM（Claude、ChatGPT、Gemini、離線 Ollama 或任何託管模型）以自然語言生成圖片、影片與音訊，編寫並執行工作流程，以及編輯即時圖表。具備 178 種工具、36 種 AI 技能、55 種安裝套件。支援本機、區域網路、VPS 或 Comfy Cloud。

一個極簡、功能齊全的儲存庫，用於推進世界模型科學。

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.

[ICCV 2025] 論文「MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control」的官方實作。

[ICML 2025] 「History-Guided Video Diffusion」的官方 PyTorch 實作

[ICLR 2026] ChronoEdit：邁向影像編輯與世界模擬的時間推理