Google DeepMind旗下AI視頻生成模型Veo3.1迎來重大更新，核心優化“Ingredients to Video”功能，顯著提升人物、物體、紋理與背景的一致性，新增原生豎版輸出和專業級4K超分能力，使AI視頻從演示工具升級爲實用生產工具。
VideoPipe是一款開源視頻分析框架，專注於計算機視覺AI算法的快速集成與落地。其核心創新在於採用可組合的管線設計，將複雜任務模塊化，幫助開發者簡化底層編碼，聚焦業務邏輯，提升開發效率。
Runway發佈最新視頻生成模型Gen-4.5，專爲創作者、影視製作人和企業用戶設計，即將向所有訂閱層級開放。該模型在文本轉視頻基準測試中以1247分領先，超越谷歌Veo3等競品，成爲當前最強文生視頻模型。其卓越性能得益於先進的NVIDIA Hopper與Blackwell GPU平臺支持。
Runway公司最新模型Gen-4.5在第三方盲測平臺Video Arena中擊敗谷歌Veo3與OpenAI Sora2Pro，成爲首個由小團隊登頂的大模型。其CEO強調“專注研究、快速迭代”的可行性，並指出“一百人對萬億，靠的不是預算，而是密度”。該模型採用自研時空混合Transformer架構，展現了小團隊在AI視頻生成領域的突破。
Seedance 2是由字節跳動驅動的AI視頻生成器，可快速生成高清視頻。
一站式AI視頻生成工具包，支持API，集成Sora 2等多種強大工具
Vidzoo AI免費生成高分辨率AI視頻和圖像，多模型集成一鍵生成
30秒AI視頻生成器，支持文生視頻、圖生視頻，新用戶免費20次，商用授權。
Huawei
-
輸入tokens/百萬
輸出tokens/百萬
上下文長度
Stepfun
Minimax
Shawon16
這是一個基於VideoMAE-base架構微調的視頻理解模型，專門針對手語識別任務進行優化。模型在WLASL數據集上訓練了200個epoch，採用TimeSformer架構處理視頻序列。
這是一個基於VideoMAE-base架構微調的視頻理解模型，專門針對手語識別任務進行優化。模型在WLASL100數據集上訓練了200個epoch，具備視頻動作識別能力。
這是一個基於VideoMAE-base架構在未知數據集上微調的視頻理解模型，專門用於手語識別任務。模型在20個訓練週期後達到了18.64%的準確率。
這是一個基於VideoMAE架構的視頻理解模型，在Kinetics數據集預訓練的基礎上進行了微調，專門用於手語識別任務。模型在評估集上表現有待提升，準確率為0.0010。
這是一個基於VideoMAE-base架構的視頻理解模型，在未知數據集上進行了20個epoch的微調訓練。模型在評估集上表現有限，準確率為0.0041，損失值為7.7839。
這是基於MCG-NJU/videomae-base模型在未知數據集上微調的視頻理解模型，經過20個epoch的訓練，在評估集上達到13.31%的準確率。該模型專門針對視頻分析任務進行優化。
這是一個基於VideoMAE-base架構在WLASL數據集上微調的視頻動作識別模型，專門針對手語識別任務進行優化，在評估集上達到48.22%的準確率。
這是一個基於VideoMAE-Base架構在WLASL數據集上微調的視頻動作識別模型。經過200輪訓練，在評估集上達到52.96%的前1準確率和79.88%的前5準確率，專門用於手語動作識別任務。
mitegvg
該模型是基於VideoMAE架構的暴力檢測模型，在Kinetics數據集預訓練的基礎上，針對暴力檢測任務進行了92輪微調。模型採用Vision Transformer架構，專門用於視頻內容分析，能夠識別視頻中的暴力行為。
OpenGVLab
VideoChat-R1_5-7B是基於Qwen2.5-VL-7B-Instruct構建的視頻文本交互模型，支持多模態任務，特別擅長視頻問答功能。該模型通過強化微調增強時空感知能力，並採用迭代感知機制來強化多模態推理。
beingbatman
本模型是基於VideoMAE-Large架構在Kinetics數據集上預訓練後，在未知數據集上進行微調的視頻理解模型。在評估集上取得了85.86%的準確率和0.7987的損失值，表現出優秀的視頻分類能力。
TIGER-Lab
本項目基於Qwen2.5-VL-7B-Instruct模型，專注於視覺問答任務，能夠精準回答圖像相關問題，具備較高的準確性和相關性。這是一個多模態視覺語言模型，支持圖像理解和基於圖像的問答交互。
Qwen2.5-VL-7B-Instruct是阿里巴巴通義千問團隊開發的多模態視覺語言模型，基於70億參數規模，專門針對視覺問答任務進行優化訓練。該模型能夠理解和分析圖像內容，並生成準確的自然語言回答。
NiklasTUM
基於MCG-NJU/videomae-base微調的視頻分析模型，用於欺騙檢測任務，準確率達70.37%
VideoChat-R1_7B_caption 是一個基於 Qwen2-VL-7B-Instruct 的多模態視頻文本生成模型，專注於視頻內容理解和描述生成。
cocovani
基於MCG-NJU/videomae-base微調的視頻理解模型，在評估集上表現一般（準確率50%）
VideoChat-R1_7B 是一個基於 Qwen2.5-VL-7B-Instruct 的多模態視頻理解模型，能夠處理視頻和文本輸入，生成文本輸出。
VideoChat-R1-thinking_7B 是一個基於 Qwen2.5-VL-7B-Instruct 的多模態模型，專注於視頻文本轉文本任務。
EloiseInacio
基於MCG-NJU/videomae-base微調的視頻理解模型，在未知數據集上訓練，準確率為11.1%
基於MCG-NJU/videomae-base微調的視頻理解模型，在未知數據集上進行了訓練
Video Editor MCP是一個視頻編輯服務器，提供視頻上傳、搜索、生成和編輯功能，支持通過LLM和Video Jungle平臺進行操作。
開源短視頻自動生成工具，整合文本轉語音、自動字幕、背景視頻和音樂，從簡單文本輸入創建專業短視頻。
一個強大的視頻編輯MCP服務器，提供視頻和音頻的全面編輯功能，支持操作鏈式處理和無縫集成到MCP客戶端。
一個基於FFmpeg的視頻編輯MCP服務器，支持通過自然語言命令執行視頻剪輯、合併、格式轉換等操作
TikTok視頻搜索與元數據提取服務
一個基於FFmpeg的視頻編輯MCP服務器，支持通過自然語言指令執行視頻剪輯、合併、格式轉換等操作，並提供即時進度跟蹤和錯誤處理。
MCP Video Digest是一個視頻內容處理服務，支持從多個平臺提取音頻並轉換為文本，提供多種轉錄服務選擇。
一個基於OpenCV的MCP服務器，提供網絡攝像頭控制和圖像捕捉功能
一個基於TypeScript的MCP服務器，提供AI圖像和視頻生成功能，需GPT4O Image Generator的API密鑰支持。
MCP Video Digest 是一個視頻內容處理服務，支持從多個平臺提取音頻並轉換為文本，提供多種轉錄服務選擇，具有靈活配置和高效處理能力。
VideoCutter是一款集成視頻、音頻、圖像處理的專業多媒體工具，支持AI智能編輯和MCP協議，提供一站式智能化創作解決方案。
一個基於MCP協議的高精度視頻截圖工具，支持批量截圖和視頻信息提取
基於AI MCP協議的專業視頻剪輯工具，提供精準剪輯、智能合併、靈活分割等核心功能，支持多格式和批量處理，無需手動安裝FFmpeg。
這是一個基於Next.js框架創建的項目，使用create-next-app初始化，支持多種包管理器運行開發服務器，並集成了Vercel的Geist字體優化。項目提供Next.js學習資源和Vercel部署指南。
基於MCP協議的多平臺視頻下載服務端，支持1000+視頻平臺，提供雙模式運行和即時進度跟蹤
Video Indexer MCP服務器，提供與Video Indexer API交互的工具和資源，支持從視頻洞察生成提示內容並獲取。
一個MCP服務器實現，提供視頻轉錄功能（如YouTube、Facebook、Tiktok等），可與LLMs集成。
MCP API是基於模型上下文協議的Sora2視頻水印去除服務，可快速集成到Claude Desktop、OpenAI等主流MCP兼容工具中，通過簡單API密鑰認證實現視頻水印智能去除。
VideoLingo是一款集視頻翻譯、本地化和配音於一體的工具，旨在生成Netflix品質的字幕。它消除了生硬的機器翻譯和多行字幕，同時提供高質量的配音，實現跨語言的知識共享。
基於MCP協議的專業視頻信息分析工具，提供多維度視頻文件分析能力，支持JSON、TEXT、Markdown格式輸出
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
