Phantom 是一个文本到视频生成模型，通过跨模态对齐保持主体一致性，让生成视频中的角色或物体在不同镜头间保持统一外观。
一站式微调视频生成模型的工具库，支持文本到视频等扩散模型，方便做内容创作和视觉艺术定制。
基于扩散模型的多文本长视频生成与编辑方案，通过时序协同去噪把多个文本提示拼成连贯长视频，解决单次生成时长受限的问题。
基于扩散模型的身份保持文本到视频生成方案，通过频域分解在生成视频中稳定保持人物面部身份，适合做可控人物视频生成。
ChronoMagic-Bench 是 NeurIPS 2024 提出的文本到延时视频生成评测基准，用变形评估衡量扩散模型生成延时视频的质量。
整理扩散模型风格迁移最新方法的资源清单，涵盖文本到图像、文本到视频等方向，方便快速查找和对比相关论文与实现。