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。
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。
开源的大规模视频生成模型，支持高质量文生视频，为 AIGC 视频创作提供可用的生成能力。
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。
用 Jupyter Notebook 带你动手理解视频技术：从图像、帧类型到 AV1/VP9/H265 编解码与 FFmpeg 编码实践，适合入门视频压缩与流媒体。
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。
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。
LTX-Video 是 Lightricks 开源的视频生成模型，支持文生视频和图生视频，基于 DiT 扩散架构，可快速生成高质量短视频。
本地离线从视频画面中提取硬字幕并生成 srt 文件，基于深度学习做字幕区域检测和文字识别，不用调第三方 API。
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。
把任意脚本自动生成多风格火柴人动画视频，自动配画面、配音、字幕和音效，适合做无露脸 YouTube 频道。
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。
把 HTML、CSS 和数据直接渲染成 MP4 视频的编程式视频工具，内置 21 个模板和可插拔渲染引擎，让编码 Agent 在本地就能生成视频，无需按次付费。
腾讯混元推出的轻量级视频生成模型，支持文生视频和图生视频，在较小参数规模下也能生成高质量视频，适合显存和算力有限的场景部署。
统一视频生成推理与后训练框架，支持扩散模型加速、蒸馏和微调，帮你在有限算力下更快跑出视频。
用 React Native 和 Expo 写的第三方 B 站客户端，支持弹幕、DASH 播放和视频播放器，界面做得挺好看，适合在手机上刷 B 站。
把 LTX-Video 视频生成模型接入 ComfyUI 的插件，用节点式工作流就能跑文生视频和图生视频。
面向超长视频的检索增强生成框架，让大模型能直接和你上传的视频对话，解决长视频内容理解与精准问答的问题。
在 ComfyUI 里用 SeedVR2 模型做视频超分放大，把低分辨率视频一键提升到高画质，省去单独搭推理流程的麻烦。
跨平台视频结构化分析框架，基于 C++ 和 GStreamer 串联 CV 模型与多模态大模型，把视频流拆解成人脸、车牌、行为等结构化信息。
在普通电脑上跑 MiniMax H3 视频生成，最低 8GB 显存加 16GB 内存就能用，还会根据硬件自动选择加速方案。
基于 React 的 HTML5 网页视频播放器组件，提供开箱即用的播放器 UI 和状态管理，适合在 React 应用中快速嵌入视频播放能力。项目已弃用，仅维护安全修复，新项目建议转向 Video.js 10。
把代码生成过程自动转成教学视频，靠多智能体协作完成脚本、代码和画面编排，适合做编程课程或技术讲解素材。
把视频按场景切分、去重抽帧并配上字幕文本，让 Claude 等大模型真正「看懂」视频内容，支持 URL 或本地文件，全程本地运行。
B站视频下载器，带图形界面，支持 nfo 刮削、广告标记、字幕和弹幕下载，方便把视频整理进 Emby 等媒体库。
基于 GPU 加速的视频分析智能体参考架构，用视觉语言模型、LLM 和 RAG 实现长视频的实时告警、视觉问答与自动报告生成。
腾讯混元开源的图生视频模型，基于 HunyuanVideo 构建，支持自定义控制，把静态图片转成连贯视频。
把一句想法丢进对话，就能自动完成脚本、配图、配音到成片的 AI 视频生成多智能体系统，适合快速产出短片。
把会议录音转成文字并实时分析，让 AI 智能体在会前、会中、会后持续跟进，自动生成会议纪要并驱动后续工作流。
用大模型、计算机视觉和语音识别自动分析视频内容，把画面、语音转成结构化信息，省去人工逐帧观看和整理。
用自然语言驱动视频处理与编辑的 AI Agent 框架，把搜索、RAG、文生视频等能力串成可编排的工作流。
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。
把大语言模型和适配时空视频表示的视觉编码器结合，让模型能围绕视频内容展开有意义的对话，并提供视频对话模型的量化评测基准。
给 Claude Code 装上视频理解能力：用 ffmpeg 抽帧、Whisper 转写音轨，再交给多模态模型分析画面与声音，让 Agent 能直接看懂视频内容。
输入一个主题或关键词，就能自动完成文案生成、素材匹配、配音字幕和视频合成，一键产出高清短视频，省去手工剪辑的麻烦。
在 Next.js 应用里快速嵌入视频的组件库，封装了视频播放、处理和流式传输，省去自己搭建播放器的麻烦。
功能丰富的命令行音视频下载器，支持从 YouTube 等大量网站抓取视频和音频，还能调用 SponsorBlock 自动跳过广告片段。
腾讯混元开源的多模态扩散模型，根据视频画面和文本描述生成高保真拟音音效，解决视频配音中脚步声、环境声等 Foley 音效制作费时费力的问题。
用 Python 快速搭建复杂视频分析应用的多进程框架，把检测、跟踪等环节串成流水线，解决视频流处理中并行调度和模块编排的问题。