基于 ComfyUI 的全自动短视频生成引擎，串联文生图、语音合成与视频生成，一条流水线把创意直接做成短视频。
腾讯混元开源的大规模视频生成框架，基于扩散 Transformer 把文本提示直接生成连贯视频，适合做文生视频研究和应用落地。
开源文生视频和图生视频模型，CogVideoX 支持从文本或图片生成视频，适合搭建视频生成推理服务。
逐镜头逆向分析任意视频，判断画面是实拍、AI 生成还是代码渲染，并给出复刻方案，适合短视频拆解与 AIGC 溯源。
开箱即用的视频扩散模型工具箱，支持文生视频和图生视频，重点解决高质量视频训练数据不足的问题。
微软出品的 21 节生成式 AI 入门课程，用 Jupyter Notebook 带你从零理解大模型、提示工程和 ChatGPT 应用开发。
把视频从一种语言翻译成另一种语言，自动生成配音和字幕并嵌入视频，适合做视频本地化和跨语言内容分发。
开源媒体播放器框架，支持 HTML 和 React，统一处理 HLS、DASH 等流媒体格式，帮你在网页里快速搭出稳定可定制的视频播放器。
把 Claude、Cursor 等 AI 编程助手变成完整视频制作工作室，内置 12 条制作流水线和 100+ 工具，覆盖脚本、配音、图像生成到剪辑全流程。
SANA 是英伟达开源的高效扩散生成模型与配套训练推理引擎，支持文生图、文生视频和世界模型，用线性注意力和 NVFP4 量化在低显存下实现快速生成。
用 AI 智能体复刻爆款视频的完整工作流：换脸、改文案、替换 B-roll，一条命令批量产出上百个变体。
用 Python 脚本剪辑视频，支持裁剪拼接、加字幕特效、导出 GIF 和调整帧率，适合批量处理和自动化视频流水线。
基于 PyTorch 的扩散模型工具箱，统一加载和训练 Stable Diffusion、FLUX 等模型，做图像、视频、音频生成。
用 AI 自动生成并发布短视频到抖音、快手等平台的内容变现工具，内置 MCP 服务和 Agent 技能，支持一键分发。
本地运行的 ElevenLabs 开源替代品，支持声音克隆、语音设计、视频配音、听写、转写和有声书制作，覆盖 646 种语言。
用 MoviePy 自动生成 YouTube Shorts 短视频，结合 ChatGPT 写脚本、配素材，一条命令就能出片，省去手动剪辑的麻烦。
用命令行自动生成短视频并批量发布到 YouTube、Twitter，还能自动发送推广邮件，把线上赚钱流程串成一条自动化流水线。
通用 AIGC 视频引擎，把剧本到成片串成一条流水线，覆盖漫剧、广告、电商和乙游等场景，省去多工具拼接的麻烦。
面向全模态模型的高效推理框架，支持图像、视频、音频生成与多模态模型服务，基于 PyTorch 提供统一的推理与部署能力。
聚合多家厂商语言模型的 Python 接口库，通过逆向方式免费调用 GPT、DeepSeek、Gemini 等模型，省去官方 API 费用。
用 Python 调用 FFmpeg 的绑定库，支持复杂滤镜图，让你在脚本里拼装音视频处理流程而不用手写命令行。
MIT 6.S191 深度学习入门课的实验材料，用 Jupyter Notebook 带你动手实现计算机视觉、强化学习和音乐生成等模型，适合边学理论边写代码。
基于微软语音合成接口的桌面工具，用 Electron + Vue 构建，输入文本即可生成语音并导出音频文件。
抖音和 TikTok 作品下载与数据采集工具，支持批量抓取视频、评论等数据并导出 CSV，可通过 Docker 部署。
把大语言模型和 Hugging Face 上的各类模型连起来，让 LLM 自动挑选、调用合适的模型完成多模态任务，相当于给模型加了个调度中枢。
用 LLM 从非结构化文本里自动抽取实体和关系，直接建成 Neo4j 知识图谱，省去手工建模和写 Cypher 的麻烦，适合做 GraphRAG 和知识库。
面向 AI Agent 的多模态数据运行时，提供无服务器 Postgres 与数据湖，支持大规模检索和模型训练。
汇总视频生成、编辑等方向的扩散模型资源清单，方便快速查找和跟进相关论文与项目。