按分类找 AI 开源项目

视频技术

浏览当前公开快照中“视频技术”相关的 AI 开源项目，并查看许可证、部署、适用场景、限制和核验来源。

Comfy-Org/ComfyUI — 结论：comfy-org/comfyui 适合希望通过节点图精细组织生成式工作流、同时保留本地离线与外部服务选择空间的创作者。它覆盖图像、视频、三维模型和音频生成，但采用自定义节点或面向共享生产环境部署前，需要核查版本兼容性与证书配置。
harry0703/MoneyPrinterTurbo — harry0703/moneyprinterturbo 是一个面向短视频创作的应用，可从主题或关键词出发生成脚本、匹配素材、合成语音与字幕，并输出短视频。项目提供网页界面、API 和命令行交互方式。
debpalash/VoiceStudio — voicestudio 是一个面向语音克隆、语音设计、视频配音、听写、转录和有声书制作的开源应用，支持在用户硬件上运行本地工作流，并可选择远程服务。其语音工作流覆盖646种语言。
heygen-com/hyperframes — hyperframes 是一个将 HTML/CSS 和可寻址动画编程式渲染为确定性 MP4 视频的框架，专为自动化流水线和 AI 智能体设计。它无需构建步骤，且无按次渲染费用。
calesthio/OpenMontage — openmontage 是一套端到端视频制作系统，通过外部 AI 编程助手自动化从构思到成片的流程化制作，支持真实素材或生成式视频组装，并带有质量校验环节。它不绑定特定供应商，将研究、提案、脚本、场景规划、资产生成、剪辑和合成编排为结构化阶段。
hypit-ai/hypit — Hypit 是一个让编码智能体把参考视频或自然语言描述转成可编辑、可重复运行的视频工作流，并批量产出多个视频变体的开源项目。产出物是完整的工作流组合，而不是一次性渲染的视频文件。
Vincentwei1021/video-shotcraft — video-shotcraft 是面向 Claude Code 或 Codex 的视频制作技能，利用分镜配方卡、Remotion 参考实现和项目模板生成产品宣传、发布或演示视频。成片还可导出为带分镜切点、字幕文本轨和独立音轨的可编辑剪映草稿。
HBAI-Ltd/Toonflow-app — toonflow-app 是一款开源桌面应用，提供从小说或剧本文本到角色生成分镜再到视频生成的短剧制作流水线。该项目依赖外部 AI 模型服务接口来执行核心的生成任务，通过多智能体协作和无限画布工作台组织创作流程。
huggingface/diffusers — diffusers 是一个面向预训练扩散模型（覆盖图像、音频、视频）的模块化工具箱，提供推理流水线、可互换噪声调度器和可组合的预训练模型组件，基于 PyTorch 构建。它强调可用性优先于性能、可定制优先于抽象封装，适合需要在代码层面灵活控制生成与训练流程的开发者和研究人员。
opencv/opencv — opencv 是一个覆盖计算机视觉、图像处理和深度学习领域的开源函数库，定位为计算机视觉开发的基础设施。该项目以库形式提供算法集合，供开发者在本地集成使用。
Anil-matcha/Open-Generative-AI — open-generative-ai 是一个可自托管的生成式 AI 工作室，支持通过 200 多个模型生成图像、视频和口型同步内容，且不设内容过滤机制。该工具提供云端 API 调用与桌面端本地推理两种运行路径，适用于无需代码基础的媒体生成场景。
ultralytics/ultralytics — ultralytics 提供覆盖检测、分割、分类、姿态估计和目标追踪的实时计算机视觉模型开发与部署能力，通过统一的 CLI 和 Python API 交付 YOLO 模型。模型会在首次使用时自动下载，适合需要快速上手和迭代的视觉任务场景。
krillinai/OpenCreator — opencreator 是一个面向创作者的开源 AI 工作台，将视频翻译与下载、图像与视频生成、配音、文案脚本编写等可视化创作工具、可复用 Skills 以及 Agent 对话整合在一个基于 Codex 本地运行时的桌面工作区中。
bradautomates/claude-video — claude-video 以自包含技能单元形式，让 AI 助手通过下载视频、提取帧和转录音频来获取视频内容。该技能支持在多个代理宿主中运行，依赖 ffmpeg 和 yt-dlp 处理视频，并可通过可选的 Groq 或 OpenAI API 进行音频转录。
ultralytics/yolov5 — ultralytics/yolov5 是一个基于 PyTorch 的视觉 AI 模型，支持目标检测、实例分割和图像分类任务，可用于快速训练、推理和部署。
roboflow/supervision — supervision 为计算机视觉应用提供可复用的数据加载、检测、可视化等构建块，支持通过连接器接入多种主流分类、检测或分割模型。它帮助开发者减少重复代码编写，使其能将精力集中在应用逻辑上。
ATH-MaaS/Pixelle-Video — ath-maas/pixelle-video 面向希望从主题或脚本生成短视频、且不需要细粒度手工剪辑的创作者。它覆盖脚本、图像或视频素材、配音、背景音乐与成片合成，并允许通过不同服务或工作流替换部分生成组件。
deepfakes/faceswap — faceswap 是一款面向学习和实验目的的开源深度学习换脸工具，支持从图像和视频中提取人脸、训练模型并完成换脸转换。用户无需具备高级 AI 专业背景即可通过命令行或图形界面使用。
zhouxiaoka/autoclip — zhouxiaoka/autoclip 是一款面向长视频转短视频的开源应用：用户提供视频链接并选择目标平台后，它可生成短视频、封面、标题、描述、标签和发布压缩包。剪辑、构图与渲染在用户电脑上完成，并提供桌面端、容器网页服务、命令行和 MCP 形态。
buxuku/SmartSub — smartsub 是一款本地优先的一站式桌面字幕工具，覆盖从音视频转写、翻译、校对到字幕烧录的完整流程。文件默认在本地处理，有助于保护数据隐私。
duixcom/Duix-Avatar — duix-avatar 是一款本地离线运行的 AI 数字人克隆与视频合成软件，用户无需联网即可在本地生成数字人视频。
Huanshere/VideoLingo — videolingo 是一条自动化视频翻译与配音流水线，能够生成单行字幕并合成配音视频。它通过 NLP 和 AI 技术处理视频的转录、翻译、对齐和配音环节。
jianchang512/pyvideotrans — pyvideotrans 将语音识别、字幕翻译、多角色配音和音视频合成串联为一条完整流水线，同时支持本地离线部署和多种主流在线 API。Windows 用户可直接使用预打包程序免配置运行。
abus-aikorea/voice-pro — voice-pro 是面向创作者与开发者的 Gradio 语音处理 WebUI，提供配音工作区、TTS、零样本声音克隆、YouTube 下载和 Demucs 人声分离。
waooAI/waoowaoo — waoowaoo 是一款 AI 视频制作工具，能够将小说文本转化为分镜、角色、场景和完整的视频。该项目支持通过 Docker Compose 进行本地部署，并提供中文与英文界面。

搜索

按分类找 AI 开源项目