Google DeepMind旗下AI视频生成模型Veo3.1迎来重大更新，核心优化“Ingredients to Video”功能，显著提升人物、物体、纹理与背景的一致性，新增原生竖版输出和专业级4K超分能力，使AI视频从演示工具升级为实用生产工具。
VideoPipe是一款开源视频分析框架，专注于计算机视觉AI算法的快速集成与落地。其核心创新在于采用可组合的管线设计，将复杂任务模块化，帮助开发者简化底层编码，聚焦业务逻辑，提升开发效率。
Runway发布最新视频生成模型Gen-4.5，专为创作者、影视制作人和企业用户设计，即将向所有订阅层级开放。该模型在文本转视频基准测试中以1247分领先，超越谷歌Veo3等竞品，成为当前最强文生视频模型。其卓越性能得益于先进的NVIDIA Hopper与Blackwell GPU平台支持。
Runway公司最新模型Gen-4.5在第三方盲测平台Video Arena中击败谷歌Veo3与OpenAI Sora2Pro，成为首个由小团队登顶的大模型。其CEO强调“专注研究、快速迭代”的可行性，并指出“一百人对万亿，靠的不是预算，而是密度”。该模型采用自研时空混合Transformer架构，展现了小团队在AI视频生成领域的突破。
Seedance 2是由字节跳动驱动的AI视频生成器，可快速生成高清视频。
30秒AI视频生成器，支持文生视频、图生视频，新用户免费20次，商用授权。
Vidzoo AI免费生成高分辨率AI视频和图像，多模型集成一键生成
一站式AI视频生成工具包，支持API，集成Sora 2等多种强大工具
Huawei
-
输入tokens/百万
输出tokens/百万
上下文长度
Stepfun
Minimax
Shawon16
这是一个基于VideoMAE架构的视频理解模型，在Kinetics数据集上预训练，并在一个未知的、可能与手语识别相关的数据集上进行了微调。模型在评估集上取得了78.11%的准确率，适用于视频分类任务。
这是一个基于VideoMAE-base架构微调的视频理解模型，专门针对手语识别任务进行优化。模型在WLASL数据集上训练了200个epoch，采用TimeSformer架构处理视频序列。
这是一个基于VideoMAE-base架构微调的视频理解模型，专门针对手语识别任务进行优化。模型在WLASL100数据集上训练了200个epoch，具备视频动作识别能力。
这是一个基于VideoMAE-base架构在未知数据集上微调的视频理解模型，专门用于手语识别任务。模型在20个训练周期后达到了18.64%的准确率。
这是一个基于VideoMAE架构的视频理解模型，在Kinetics数据集预训练的基础上进行了微调，专门用于手语识别任务。模型在评估集上表现有待提升，准确率为0.0010。
这是一个基于VideoMAE-base架构的视频理解模型，在未知数据集上进行了20个epoch的微调训练。模型在评估集上表现有限，准确率为0.0041，损失值为7.7839。
这是基于MCG-NJU/videomae-base模型在未知数据集上微调的视频理解模型，经过20个epoch的训练，在评估集上达到13.31%的准确率。该模型专门针对视频分析任务进行优化。
这是一个基于VideoMAE-base架构在WLASL数据集上微调的视频动作识别模型，专门针对手语识别任务进行优化，在评估集上达到48.22%的准确率。
这是一个基于VideoMAE-Base架构在WLASL数据集上微调的视频动作识别模型。经过200轮训练，在评估集上达到52.96%的前1准确率和79.88%的前5准确率，专门用于手语动作识别任务。
mitegvg
该模型是基于VideoMAE架构的暴力检测模型，在Kinetics数据集预训练的基础上，针对暴力检测任务进行了92轮微调。模型采用Vision Transformer架构，专门用于视频内容分析，能够识别视频中的暴力行为。
OpenGVLab
VideoChat-R1_5-7B是基于Qwen2.5-VL-7B-Instruct构建的视频文本交互模型，支持多模态任务，特别擅长视频问答功能。该模型通过强化微调增强时空感知能力，并采用迭代感知机制来强化多模态推理。
beingbatman
本模型是基于VideoMAE-Large架构在Kinetics数据集上预训练后，在未知数据集上进行微调的视频理解模型。在评估集上取得了85.86%的准确率和0.7987的损失值，表现出优秀的视频分类能力。
TIGER-Lab
本项目基于Qwen2.5-VL-7B-Instruct模型，专注于视觉问答任务，能够精准回答图像相关问题，具备较高的准确性和相关性。这是一个多模态视觉语言模型，支持图像理解和基于图像的问答交互。
Qwen2.5-VL-7B-Instruct是阿里巴巴通义千问团队开发的多模态视觉语言模型，基于70亿参数规模，专门针对视觉问答任务进行优化训练。该模型能够理解和分析图像内容，并生成准确的自然语言回答。
NiklasTUM
基于MCG-NJU/videomae-base微调的视频分析模型，用于欺骗检测任务，准确率达70.37%
VideoChat-R1_7B_caption 是一个基于 Qwen2-VL-7B-Instruct 的多模态视频文本生成模型，专注于视频内容理解和描述生成。
cocovani
基于MCG-NJU/videomae-base微调的视频理解模型，在评估集上表现一般（准确率50%）
VideoChat-R1_7B 是一个基于 Qwen2.5-VL-7B-Instruct 的多模态视频理解模型，能够处理视频和文本输入，生成文本输出。
VideoChat-R1-thinking_7B 是一个基于 Qwen2.5-VL-7B-Instruct 的多模态模型，专注于视频文本转文本任务。
EloiseInacio
基于MCG-NJU/videomae-base微调的视频理解模型，在未知数据集上训练，准确率为11.1%
开源短视频自动生成工具，整合文本转语音、自动字幕、背景视频和音乐，从简单文本输入创建专业短视频。
Video Editor MCP是一个视频编辑服务器，提供视频上传、搜索、生成和编辑功能，支持通过LLM和Video Jungle平台进行操作。
MCP Video Digest是一个视频内容处理服务，支持从多个平台提取音频并转换为文本，提供多种转录服务选择。
一个基于FFmpeg的视频编辑MCP服务器，支持通过自然语言指令执行视频剪辑、合并、格式转换等操作，并提供实时进度跟踪和错误处理。
MCP Video Digest 是一个视频内容处理服务，支持从多个平台提取音频并转换为文本，提供多种转录服务选择，具有灵活配置和高效处理能力。
一个基于OpenCV的MCP服务器，提供网络摄像头控制和图像捕捉功能
一个基于FFmpeg的视频编辑MCP服务器，支持通过自然语言命令执行视频剪辑、合并、格式转换等操作
一个基于TypeScript的MCP服务器，提供AI图像和视频生成功能，需GPT4O Image Generator的API密钥支持。
一个强大的视频编辑MCP服务器，提供视频和音频的全面编辑功能，支持操作链式处理和无缝集成到MCP客户端。
TikTok视频搜索与元数据提取服务
Video Indexer MCP服务器，提供与Video Indexer API交互的工具和资源，支持从视频洞察生成提示内容并获取。
一个MCP服务器实现，提供视频转录功能（如YouTube、Facebook、Tiktok等），可与LLMs集成。
基于MCP协议的专业视频信息分析工具，提供多维度视频文件分析能力，支持JSON、TEXT、Markdown格式输出
基于AI MCP协议的专业视频剪辑工具，提供精准剪辑、智能合并、灵活分割等核心功能，支持多格式和批量处理，无需手动安装FFmpeg。
这是一个基于Next.js框架创建的项目，使用create-next-app初始化，支持多种包管理器运行开发服务器，并集成了Vercel的Geist字体优化。项目提供Next.js学习资源和Vercel部署指南。
一个基于MCP协议的高精度视频截图工具，支持批量截图和视频信息提取
基于MCP协议的多平台视频下载服务端，支持1000+视频平台，提供双模式运行和实时进度跟踪
VideoLingo是一款集视频翻译、本地化和配音于一体的工具，旨在生成Netflix品质的字幕。它消除了生硬的机器翻译和多行字幕，同时提供高质量的配音，实现跨语言的知识共享。
MCP API是基于模型上下文协议的Sora2视频水印去除服务，可快速集成到Claude Desktop、OpenAI等主流MCP兼容工具中，通过简单API密钥认证实现视频水印智能去除。
VideoCutter是一款集成视频、音频、图像处理的专业多媒体工具，支持AI智能编辑和MCP协议，提供一站式智能化创作解决方案。
%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)
