Logo
Project Icon

CogVideo

开源视频生成模型，支持高效单GPU推理

CogVideoX视频生成ICLR'23开源项目文本到视频Github

CogVideoX和CogVideo通过大规模预训练模型和3D因果VAE技术，实现高质量的文本到视频生成。CogVideoX-2B可在单个3090 GPU上进行推理，生成效果几乎无损。提供详尽的快速入门指南、模型结构介绍和使用案例。探索CogVideoX和CogVideo在Huggingface、WeChat、Discord等平台上的应用，获取更多技术细节和更新。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
text2video - 文本转视频工具，实现小说可视化阅读
DockerGithubedge-ttshuggingfacestable-diffusion开源项目文本转视频
text2video 是一款将文本转换为视频的开源工具，支持小说等文本的可视化阅读。通过分段文本生成图片和语音，并合成为包含画面、字幕和声音的视频。应用了 stable-diffusion 和 edge-tts 技术，支持 Docker 一键启动和 macOS 本地开发。该工具还支持生成高质量的绘图提示词，利用 huggingface 的开源模型和 ffmpeg 进行音视频合成，操作简便，效果显著。
VADER - 基于奖励梯度的视频生成质量优化技术
AIGithubVADER开源项目机器学习视觉处理视频生成
VADER是一种基于奖励梯度的视频生成质量优化技术。该方法无需大规模标注数据集，即可有效提高视频与文本的一致性、美观度，并生成更长时间的高质量视频。VADER兼容多个主流视频生成模型，如VideoCrafter2、Open-Sora和ModelScope，能显著提升其生成能力。项目提供了详细的安装、推理和训练指南，便于研究人员和开发者进行实验和应用。
VideoOcean视频大模型 - 高效创作视频的全新AI工具
AI工具AI模型Video Ocean前沿技术视频制作高品质视频
Video Ocean视频大模型支持文生视频、图生视频和人物一致性功能，适用于广告、创意和媒体制作领域。它通过顶尖算法和资源整合，优化视频生成流程，简化高品质视频创作，致力于打造友好的内容创作生态，让所有人都能轻松创作。
openheygen - 开源AI视频生成工具 支持多语言语音合成和唇形同步
GithubHeyGen开源方案开源项目环境配置视频生成音频克隆
OpenHeyGen是一个基于coqui和video-retalking的开源AI视频生成工具。它能将文本转换为多语言语音，并与原始视频人物唇形精准同步。用户提供原始视频和音频后，即可生成高质量AI视频。该工具支持中文、英语、日语等多种语言，操作简便，为视频内容创作者和开发者提供了创新的技术解决方案。其核心功能包括多语言文本到语音转换、唇形同步技术和视频合成，满足各种AI视频制作需求。
VideoTetris - 创新视频生成技术 实现复杂语义精确组合
GithubVideoTetris开源项目文本到视频生成时空组合扩散组合式生成长视频生成
VideoTetris是一个视频生成框架，采用时空组合扩散技术实现复杂文本语义的精确表达。通过操控去噪网络的注意力图，在空间和时间维度上控制视频生成。项目提出了视频数据预处理方法，提升了训练数据的动态性和提示理解能力。VideoTetris可生成10秒至2分钟或更长的视频，为复杂场景视频生成提供了新方案。
FollowYourPose - 基于姿态和文本的自动视频生成技术
AAAI 2024AI生成Follow-Your-PoseGithub姿态控制开源项目文本生成视频
FollowYourPose项目提出了一种新方法，可以通过姿态和文本生成视频。该方法采用两阶段训练方案，利用易获取的数据集和预训练的文本到图像模型，生成可编辑且姿态可控的角色视频。第一阶段通过关键点图像对进行文本到图像的生成，第二阶段利用姿态自由视频数据集微调网络，成功生成连续的姿态可控角色视频，同时保留预训练模型的编辑和概念组合能力。
llava-onevision-qwen2-0.5b-ov-hf - 推动单图、多图和视频理解的多模态大语言模型
GithubHuggingfaceLLaVA-Onevision图像理解多模态语言模型开源项目模型视频理解计算机视觉
LLaVA-Onevision是基于Qwen2的多模态大语言模型，通过微调GPT生成的多模态指令数据训练而成。作为首个同时推动单图、多图和视频场景性能边界的模型，它展现出强大的视频理解和跨场景能力，实现了从图像到视频的任务迁移。该模型支持多图像和多提示生成，为多样化的视觉理解任务提供了灵活解决方案。
MOFA-Video - 可控图像动画图像到视频扩散模型
ECCV 2024GithubMOFA-Video图像动画开源项目混合控制生成模型
MOFA-Video项目采用稀疏到稠密运动生成和基于流的运动适配技术，能通过轨迹、关键点序列及其组合等多种控制信号将单张图像转化为动画。最新更新包括关键点面部图像动画的推理脚本和轨迹图像动画的训练代码。该项目即将亮相ECCV 2024，并提供多个演示和检查点，便于用户测试和使用。访问项目页面了解更多详情和效果展示。
SoraReview - 大型视觉模型的技术进展与应用前景分析
GithubOpenAISora人工智能大视觉模型开源项目文本到视频生成
本项目综述了Sora等大型视觉模型的发展背景、核心技术和应用前景。内容涵盖数据预处理、模型架构和语言指令处理等关键技术，并分析了在电影制作、教育等领域的潜在应用。同时探讨了安全性和公平性等挑战，为视频生成AI的未来发展提供了全面的技术洞察。
LLaMA-VID - 支持长视频处理的多模态大语言模型
GithubLLaMA-VID多模态大语言模型开源项目视觉语言模型视频理解
LLaMA-VID是一个新型多模态大语言模型,可处理长达数小时的视频。它通过增加上下文令牌扩展了现有框架的能力,采用编码器-解码器结构和定制令牌生成策略,实现对图像和视频的高效理解。该项目开源了完整的模型、数据集和代码,为视觉语言模型研究提供了有力工具。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号