Video Generation 相关的热门 GitHub AI项目仓库

Stable Diffusion 的网页版界面

只需一张照片，即可实时换脸，一键生成深度伪造视频

一个命令行界面平台，用于代码生成的实验。这是 lovable.dev 网站的前身。

开箱即用的云端模板，适用于基于检索增强生成（RAG）的应用、AI 数据管道和企业级搜索，并支持实时数据。?支持Docker。?始终与Sharepoint、Google Drive、S3、Kafka、PostgreSQL、实时数据API等同步。

开源免费的替代方案，可替代OpenAI、Claude等。支持本地自托管，无需GPU，可在家用硬件上运行。可直接替换OpenAI，支持gguf、transformers、diffusers等多种模型架构。功能包括：文本、音频、视频、图像生成，语音克隆，分布式和P2P推理。

Langchain-Chatchat（原Langchain-ChatGLM）是一个基于Langchain框架，结合ChatGLM、Qwen、Llama等大型语言模型，实现基于检索增强生成（RAG）和智能体（Agent）应用的本地知识库系统。

适用于直播和流媒体的跨平台、可定制机器学习解决方案

Diffusers：一个基于PyTorch和FLAX的库，包含最先进的扩散模型，用于图像、视频和音频生成。

你的 AI 第二大脑，可自行托管。从网络或你的文档中获取答案。构建自定义代理，安排自动化任务，进行深度研究。将任何在线或本地大型语言模型 (LLM) 变成你个人的自主 AI（例如 GPT、Claude、Gemini、Llama、Qwen、Mistral）。立即开始 – 免费。

Invoke 是一个领先的 Stable Diffusion 模型创意引擎，赋能专业人士、艺术家和爱好者使用最新的 AI 技术生成和创作视觉媒体。该方案提供业界领先的 WebUI，并作为多个商业产品的基础。

基于PyTorch的图像到图像转换

一个AI编排框架，用于构建可定制、可用于生产环境的大型语言模型(LLM)应用。它能够将组件（模型、向量数据库、文件转换器）连接到管道或代理，从而与您的数据进行交互。借助先进的检索方法，它最适合构建基于检索的增强生成(RAG)系统、问答系统、语义搜索或对话式智能体聊天机器人。

MiniCPM-V 4.5: A GPT-4o Level MLLM for Single Image, Multi Image and Video Understanding on Your Phone

用于真实世界模糊运动的模糊插值Transformer（CVPR 2023）

支持多语言的大型语音生成模型，具备推理、训练和部署的全栈能力。

落地SAM：融合DINO、Segment Anything、Stable Diffusion和Recognize Anything，实现自动检测、分割和生成任何物体

一个基于机器学习的视频超分辨率和帧插值框架，创作于2018年黑客谷II活动期间。

稳定的扩散模型 WebUI 协作平台

视频、图片和GIF的超分辨率放大（超清重建）以及视频帧率插值。技术基于Waifu2x、Real-ESRGAN、Real-CUGAN、RTX Video Super Resolution VSR、SRMD、RealSR、Anime4K、RIFE、IFRNet、CAIN、DAIN和ACNet等算法。

把视频从一种语言翻译成另一种语言，并配上配音。这个过程包括语音识别转录、语音合成和字幕翻译。