OmniShow 是一個統一文字、參考影像、音訊與姿態條件的多模態影片生成模型，可生成人類與物件互動的高保真影片。

一套精選的工作流程與提示範本，用於結合 GPT Image 2 與 Seedance，從故事板生成高品質 AI 影片。

一種用於AI影片生成的提示框架與技能，透過以真實拍攝設備與人為不完美細節取代通用描述，消除「AI感」。

一種將文本內容轉換為結構化動態影片製作物的 Agent Skill，具有用於規劃與資產生成的專業兩階段工作流。

NVIDIA Cosmos‑Predict 2.5 是一個開源的擴散模型，可將文字、影像或影片轉換為未來狀態的影片預測。支援 2 B/14 B 檢查點，具備機器人與自動駕駛車專用變體、LoRA 微調、蒸餾功能，並與 Hugging Face Diffusers 集成。專為物理 AI（機器人、AV 模擬、影片分析）設計，提供詳細文件、後訓練配方菜譜，程式碼採用 Apache 2.0 授權，權重採用 NVIDIA Open Model License。

TAEHV 是一個極小的自動編碼器，可加速並優化多種擴散模型（Hunyuan、MiniMax-H3、Wan-Video、CogVideoX、Open-Sora、LTX-2 等）的影片 VAE 解碼。它將 61 幀 512×320 影片片段的解碼時間從約 2–3 秒 / 6–9 GB 降至約 0.5 秒 / <0.5 GB，僅帶來輕微畫質損失。倉儲包含模型檢查點、Python API（`TAEHV`、`StreamingTAEHV`）、範例筆記本，以及 ComfyUI、stable-diffusion.cpp、SDNext 和 Diffusers 的整合說明。

Helios 是一個擁有 14B 參數的即時長影片生成模型，在單塊 H100 GPU 上即可生成分鐘級、高畫質的影片，幀率高達 19.5 FPS。

一種超快速的神經影片編解碼器，採用基於分塊的編碼框架，實現高壓縮效率與極快的編解碼速度。

ComfyUI WanVideo 流程的擴充功能，可實現無縫影片連接與多重參考圖注入，以提升 AI 影片生成的連貫性。

一個高品質的基準資料集與工作流程，使用真實世界影像來評估生成式視頻模型的物理理解與真實感。

Seedance 2.5 的官方指南與展示，提供高階 AI 影片生成的詳細提示與 API 範例。

AnyFlow 是一個任意步數動畫擴散框架，可讓單一模型適應任意推論預算以實現高品質動畫生成。

一種用於時空學習的 PyTorch 實作的遮罩自編碼器，使模型能透過重建被遮罩的影片畫格來學習影片表示。

VideoChat3 是一個 4B 參數的通用視頻 MLLM，專為高效視頻理解而設計，涵蓋從微小動作到長影片推理，再到即時串流主動回應的全部能力。

Vista4D 是一個影片重拍框架，使用 4D 點雲從原始影片中透過新相機軌跡與視角合成動態場景。

World-R1 是一個強化學習框架，透過在不改變基礎模型架構的前提下，將產生的影片與 3D 約束對齊，提升文字生成影片的 3D 幾何一致性。

MAGI-1 是一種自回歸影片生成模型，透過逐段產生高保真影片，以確保時間一致性與物理精準度。

一個自動化的 AI 流水線，能從長影片與直播中提取提取吸引人的精彩片段，並提供逐字稿、AI 分析以及帶有字幕與封面圖的自動剪輯生成功能。

Generative Manim 是一個開源工具，使用 LLM（GPT‑4o、Claude、Gemini 等）將自然語言提示轉換為可執行的 Manim 動畫程式碼和渲染影片。它提供 Web 演示、REST API 和本地渲染的桌面應用（Animo），還包含用於微調開源權重模型以生成 Manim 程式碼的訓練流程和基準測試套件。

一種用於即時串流影片生成的互動式擴散管道，可在單GPU與多GPU設定中優化吞吐量與延遲。

一個 Claude Code 技能，能自動將長篇說話頭部影片轉換為簡短且適合社群平台的短片，並具備自動重新構圖與字幕功能。

PhiZero 是一種世界模型，透過在離散的物理語言中進行推理，再將結果渲染為影片，預測未來的物理動態。

一個為 ComfyUI 提供的高階 AnimateDiff 整合，可實現高品質 AI 動畫的無限長度生成，並對運動與採樣具有廣泛控制能力。

透過僅訓練 1% 的額外參數，保持高主體一致性的輕量級、即插即用身份保留型影片生成框架。

Sekai 是一個高品質的自我中心（egocentric）影片數據集，包含超過 5,000 小時的已標註第一人稱與無人機視角影片，用於世界探索與生成。

DreamX-World 是一個通用的互動式世界模型，能生成高保真、可控制的模擬環境，讓使用者透過事件提示探索與轉變環境。

StreetCrafter 是一個利用可控制影片擴散模型與 3D 高斯點陣從新軌跡生成逼真影片的框架。

一種用於高品質影片生成的潛在擴散 Transformer，支援文字到影片與文字到影像任務。

一個使 AI 編碼代理能透過可讀的計畫檔案組合、編輯與生成影片的工具包，為自動化影片製作提供決定性流程。

一個用於 Diffusion Transformers 的即插即用框架，透過位置嵌入外推法實現更長的影片與更高解析度的圖像生成。

一個能為 Final Cut Pro、Premiere 和 DaVinci Resolve 等專業軟體生成 XML 剪輯的 AI 影片編輯代理，可自動化完成素材的初始組裝。

Tora 是一種面向軌跡的擴散變換器，可透過文字、視覺與軌跡引導，精確控制物件運動，實現高品質影片生成。

StoryMem 是一個使用記憶條件化擴散模型生成長篇、連貫敘事影片的多鏡頭影片生成框架，可保持角色一致性。

一款用於移除影片中商標與水印的應用程式，具備自動偵測功能，可處理移動的商標。

Oryx 是一個整合 AI 功能（如字幕生成與配音）的全功能開源影片解決方案，用於建構直播串流與 WebRTC 服務。

一個基於 Rust 的 AI 影片旁白引擎，使用多代理系統自動化場景分析、腳本撰寫、語音克隆和時間軸對齊，以供 CapCut 匯出。

一個開源的 AI 短影片生成器，可自動化生成 TikTok、YouTube Shorts 與 Instagram Reels 所需的腳本、配音、視覺與字幕。

專為動畫設計的AI驅動影片增強工具包，可在單次處理中實現放大、運動插值與修復。

Kiwi‑Edit 是一個開源的影片編輯系統，透過自然語言指令（以及可選的參考圖像）來修改整個影片。它將多模態 LLM 編碼器與影片 Diffusion Transformer 融合，提供風格轉移、物件新增/替換/移除以及背景變更功能。該儲存庫提供了完整的訓練腳本（包含使用 Qwen2.5‑VL‑3B + Wan2.2‑TI2V‑5B 的三階段課程學習）、預訓練的 Diffusers 權重，以及在 OpenVE‑Bench 和 RefVIE‑Bench 上的評估流程。

ByteDance 的 Seedance AI 影片生成器的 Python 封裝，支援高保真度的文字到影片與影像到影片生成，重點實現真實人類臉部與角色一致性。

基於擴散強制的極簡框架，用於訓練視頻世界模型，適用於未來視頻預測、3D 重建與機器人規劃。

一個用於視訊世界模型的框架，將 3D 場景內容儲存為潛在表示，透過避免重複的 RGB 渲染來提升生成速度並減少記憶體開銷。

VerseCrafter 是一個可控影片世界模型，透過 4D 幾何控制與 GeoAdapter，為真實影片中的相機與多物件運動提供精確且可解釋的控制。

一套專為未來狀態預測設計的世界基礎模型，能從文字或影片提示生成視覺模擬，以支援 Physical AI 的開發。

HY-World 1.5 是一個即時互動式世界建模框架，利用串流影片擴散技術，根據使用者輸入生成幾何一致的 3D 環境。

一個輕量級的 8.3 億參數影片生成模型，能在消費級 GPU 上實現高品質的文字轉影片與圖像轉影片合成。

VRT 是影片修復Transformer（VRT）的PyTorch實作，一種基於Transformer的模型，可處理影片超解析度、去模糊、去雜訊、幀插值與時空超解析度。它採用時間互相關自注意力與平行變形機制，捕捉長程時間依賴性，在九個基準測試中實現最頂尖PSNR提升。倉儲包含預訓練權重、測試腳本、Colab示範以及標準影片資料集的訓練說明。

OmniVCus 是一個前饋式主題驅動的影片客製化框架，利用擴散Transformer在深度與遮罩等多模態控制條件下生成特定主題的影片。