minisora

致力探索AI视频生成技术的开源社区

MiniSora是一个社区驱动的开源项目，专注于探索AI视频生成技术Sora的实现路径。该项目组织定期圆桌讨论、深入研究视频生成技术、复现相关论文并进行技术回顾。MiniSora旨在开发GPU友好、训练高效、推理快速的AI视频生成方案，推动人工智能视频生成领域的开源发展。

访问官网

videollm-online - 流式视频实时理解与交互的先进模型

GithubVideoLLM-online大语言模型实时交互开源项目流媒体视频视频处理

VideoLLM-online是一款针对流媒体视频的在线大语言模型。该模型支持视频流实时交互，可主动更新响应，如记录活动变化和提供实时指导。项目通过创新的数据合成方法将离线注释转化为流式对话数据，并采用并行化推理技术实现高速处理，在A100 GPU上处理速度可达10-15 FPS。VideoLLM-online在在线和离线环境中均表现出色，能高效处理长达10分钟的视频，为视频理解与交互领域带来新的可能性。

dair-ai.github.io - 致力于开放AI研究和教育的开源项目

AI技术AI教育AI研究DAIR.AIGithub人工智能开源项目

DAIR.AI是一个旨在推动人工智能研究、教育和技术普及的开源项目。该平台为AI爱好者提供参与机会，包括在GitHub上贡献代码和加入Discord社区讨论。DAIR.AI致力于使AI知识和资源更加开放，促进更广泛的参与。通过这个项目，人们可以获取最新的AI研究成果、学习资源和技术动态。

Misora AI - 智能AI搜索引擎快速准确获取信息

AI工具AI应用Misora AI快速回答数据库用户指南

Misora AI作为一款免费AI搜索引擎，提供快速准确的搜索结果。该平台能在短时间内生成答案，并具备数据库架构规划等高级功能。Misora AI致力于帮助用户高效获取信息、解决复杂问题，适用于日常查询和专业任务。作为一个强大的AI辅助工具，Misora AI能满足多样化的信息需求，成为知识获取和问题解决的有力支持。

Video-LLaMA - 指令微调的音视频语言模型实现多模态视频理解

AI对话GithubVideo-LLaMA多模态开源项目视频理解语言模型

Video-LLaMA是一个多模态AI项目，为大型语言模型赋予视频和音频理解能力。该项目基于BLIP-2和MiniGPT-4构建，包含视觉-语言和音频-语言两个分支。经过大规模视频和图像数据预训练及指令微调后，Video-LLaMA能够进行视频分析、音频理解和多轮对话。该模型支持英文和中文交互，为视频内容分析提供了新的AI解决方案。

AI-Auto-Video-Generator - AI自动视频生成：从故事提示到视频合成

AI-Auto-Video-GeneratorDALL-EElevenLabsGithubOpenAI开源项目视频生成

该项目利用AI技术生成视频，通过用户的故事提示，采用OpenAI的GPT-3生成文本，OpenAI的DALL-E生成图像，并用ElevenLabs API进行语音合成，最终合成一个视频。项目要求安装Python 3.6或更高版本、pip、FFmpeg等工具，以及配置OpenAI和ElevenLabs API密钥。用户还可修改代码来制作特定主题的视频，如俳句或蜜蜂知识，并自定义图像和语音设置，实现个性化的视频创作体验。

VideoLLaMA2 - 增强视频理解的多模态语言模型

AIGithubVideoLLaMA2多模态大语言模型开源项目视频理解

VideoLLaMA2是一款先进的视频语言模型,通过增强空间-时间建模和音频理解能力,提高了视频问答和描述任务的性能。该模型在零样本视频问答等多项基准测试中表现出色。VideoLLaMA2能处理长视频序列并理解复杂视听内容,为视频理解技术带来新进展。

MiraData - 长时视频数据集助力AI视频生成研究

GithubMiraData开源项目结构化标注视频数据集视频生成长视频

MiraData是一个为长视频生成任务设计的大规模数据集。其特点包括平均72秒的视频长度和详细的结构化字幕。数据集提供330K、93K、42K和9K四个版本，每个视频配有六类字幕：主要对象、背景、风格、相机运动、简短摘要和详细描述。这些特性使MiraData成为改进长序列视频处理和镜头转换建模的重要资源。

Make-Your-Video - 结合文本和深度信息的智能视频生成模型

AI模型GithubMake-Your-Video开源项目深度学习视频生成计算机视觉

Make-Your-Video是一个结合文本和深度信息的视频生成模型。它继承了图像潜在扩散模型的丰富视觉概念，支持长视频推理。该模型可将真实场景和3D建模场景转化为视频，并支持视频重渲染。相比其他方法，Make-Your-Video在视觉质量和动作控制方面表现优异，为视频创作提供了新的可能性。

VideoElevator - 融合文本到图像技术提升AI视频生成质量

GithubVideoElevator开源项目扩散模型文本到图像文本到视频视频生成

VideoElevator是一个开源的AI视频生成项目，通过结合文本到图像和文本到视频的扩散模型来提升生成视频的质量。该项目采用免训练、即插即用的方法，将视频生成过程分为时间运动细化和空间质量提升两个阶段。VideoElevator能在11GB以下显存的GPU上运行，支持多种扩散模型的协作，为高质量AI视频生成提供了新的解决方案。

FIFO-Diffusion_public - 文本驱动的无限长度视频生成技术

AI视频生成FIFO-DiffusionGithub开源项目文本生成视频无限长视频

FIFO-Diffusion是一种创新的文本到视频生成技术，无需额外训练即可从文本描述生成无限长度的高质量视频。该项目具有低内存需求（不到10GB VRAM）、支持多GPU并行推理等特点，并可与VideoCrafter2和Open-Sora Plan等先进模型兼容。FIFO-Diffusion为研究人员和开发者提供了探索和创造长时间、连贯视频内容的有力工具。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com