开源项目

ScriptViz，基于大型电影数据库的可视化脚本辅助工具

让我们看看演示视频吧！ ScriptViz，基于大型电影数据库的可视化脚本辅助工...

VMix，字节跳动推出的改进文本到图像扩散模型的即插即用适配器，提高美学质量

VMix，字节跳动推出的改进文本到图像扩散模型的即插即用适配器，提高美学质量，与...

Story-Adapter，基于叙述生成连贯图像，可生成最多 100 帧长故事

让我们看看演示视频吧！ Story-Adapter，基于叙述生成连贯图像，可生成...

StoryWeaver，知识增强故事角色定制的统一模型，实现基于单个和多个角色的故事可视化

StoryWeaver，知识增强故事角色定制的统一模型，实现基于单个和多个角色的...

BetterWhisperX，基于Whisper的语音识别项目

让我们听听识别的语言吧！ BetterWhisperX，基于Whisper的语音...

StereoCrafter，腾讯开源的基于扩散视频模型将2D视频转成3D视频

让我们看看演示视频吧！ StereoCrafter，腾讯开源的基于扩散视频模型将...

VidTok，微软开源的视频分词器，类似LLM中的Tokenizers

让我们看看演示视频吧！ VidTok，微软开源的视频分词器，类似LLM中的Tok...

DiTCtrl，腾讯推出的多提示长视频生成，具有良好的时间一致性和强大的跟随能力

让我们看看演示视频吧！ DiTCtrl，腾讯推出的多提示长视频生成，具有良好的时...

MegaSaM，谷歌推出的从随意的动态视频中获得准确、快速的结构和运动

让我们看看演示视频吧！ MegaSaM，谷歌推出的从随意的动态视频中获得准确、快...

VideoVAEPlus，基于跨模态视频VAE重建大运动视频

让我们看看演示视频吧！ VideoVAEPlus，基于跨模态视频VAE重建大运动...

InvSR，基于Diffusion反推提高图像分辨率

InvSR，基于Diffusion反推提高图像分辨率，可以处理大图像，例如，1 ...

DisPose，用于可控人体图像动画的姿势引导，类似于阿里的AnimateAnyone

让我们看看演示视频吧！ DisPose，用于可控人体图像动画的姿势引导，类似于阿...