谷歌Gemini Pro/Ultra订阅用户现可体验Veo3.1视频模型，新增“Ingredients to Video”功能：支持同时上传三张参考图，分别提取人物、场景与风格特征，融合生成8秒1080p视频。生成内容自带SynthID隐形水印，支持网页/移动端文本输入一键生成。系统确保跨帧角色一致性与光影连贯，演示案例显示三张自拍+赛博城市背景+油画风格图可合成“印象派未来街头漫步”视频。
VideoFrom3D框架革新3D图形设计，通过融合图像与视频扩散模型，从几何形状、相机路径和参考图生成逼真且风格统一的3D场景视频。无需依赖昂贵配对数据，简化流程，助力设计师高效探索创意、快速产出高质量成果。核心在于互补扩散模型的创新应用。
小米大模型团队宣布开源最新一代多模态大模型 Xiaomi MiMo-VL-7B-2508，包含 RL 与 SFT 两个版本。 官方数据显示，新版模型在学科推理、文档理解、图形界面定位及视频理解四项核心能力上全面刷新纪录，其中 MMMU 基准首次突破70分大关，ChartQA 升至94.4，ScreenSpot-v2达92.5，VideoMME 提升至70.8。
OpenAI正秘密开发Sora视频生成模型的升级版Sora2，服务器代码中已出现相关引用。此前发布的Sora虽热度下降，但近期被微软整合进Bing Video Creator重获关注。与此同时，谷歌Veo3已向大学生免费开放，普通用户也可通过Google Cloud体验。两大科技巨头在生成式AI视频领域的竞争日趋白热化，Sora2的发布或将重塑行业格局和内容创作方式。
使用 AI 将图像转换为视频，免费在线生成。
一款强大的在线视频换脸工具，使用简单，效果真实。
免费视频生成器，支持文本和图像转视频，有多样模型和效果
利用AI瞬间创建迷人的圣诞老人视频，适合节日内容和个性化信息
Shawon16
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%
基于MCG-NJU/videomae-base微调的视频理解模型，在未知数据集上进行了训练
d2o2ji
该模型是基于MCG-NJU/videomae-base-finetuned-kinetics微调的版本，主要用于视频理解任务，在评估集上取得了91.38%的准确率。
基于MCG-NJU/videomae-base-finetuned-kinetics微调的视频理解模型，在评估集上准确率达91.23%
cccchristopher
基于VideoMAE基础模型在UCF101子集上微调的视频分类模型
基于VideoMAE架构的视频动作识别模型，在Kinetics数据集上微调，准确率达92.25%
基于MCG-NJU/videomae-base-finetuned-kinetics微调的视频理解模型，在评估集上准确率达90.97%
Video-R1
Video-R1是基于Qwen2.5-7B-Instruct开发的多模态大语言模型，专门针对视频推理任务进行优化。通过提出T-GRPO算法和构建高质量视频推理数据集，显著提升了模型在时间建模和视频理解方面的能力。
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。
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。
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
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。
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。
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。
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
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)
