H1111开源项目 – 视频生成的WebUI工具

Step-Video-TI2V是阶跃星辰（StepFun）推出的开源图生视频（Image-to-Video）生成模型，拥有300亿参数，能根据文本描述和图像输入生成最长102帧的视频。模型基于深度压缩的变分自编码器（Video-VAE），实现了16×16的空间压缩和8×的时间压缩，显著提高了训练和推理效率。用户可以通过设置运动分数（motionscore）来平衡视频的动态性和稳定性。支持推、拉、摇、移、旋转、跟随等多种镜头运动方式。

可灵AI是由快手大模型团队开发的新一代创意生产力平台，专注于视频生成，同时也支持图像生成。它基于快手自研的大模型，提供文生视频、图生视频、视频续写等功能，帮助用户高效创建艺术视频和图像。可灵AI支持多图参考功能，通过上传1至4张参考图片，结合文本描述生成视频，确保主题在多个场景中的视觉一致性，特别适合短片制作。

Ai Listify 是一个顶级的人工智能资源目录，汇集了前沿的AI工具。通过精心挑选的工具，用户可以释放创新的力量，探索、学习并提升自己的AI技能。

该项目展示了如何利用扩散模型生成高性能的神经网络参数。通过自动编码器提取潜在表示，并训练扩散模型从随机噪声合成这些表示，从而生成新的网络参数子集。

VILA 是一个开源视觉语言模型 (VLM) 系列，旨在优化效率和准确性，适用于边缘、数据中心和云计算环境。它采用交错图像-文本预训练方法，支持多图像处理，并具有强大的上下文学习能力，能够快速学习新概念。VILA 在视频理解、多图像推理等任务中表现出色，广泛应用于研究和工业领域。

苏秦（suqin）语言大模型全工具链 WebUI 整合包，旨在实现目前各大语言模型的全流程工具 WebUI 整合包，无需编写代码即可拥有自己的定制模型与专属应用。

ScaleLLM是一个面向大型语言模型高性能推理的系统，经过仔细设计，能够满足产业级环境的需求。

Open-Sora-Plan 是由北京大学YuanGroup团队与北大-兔展AIGC联合实验室共同发起的项目，旨在复现OpenAI的Sora模型。该项目结合了视频VQ-VAE、Denoising Diffusion Transformer等技术，支持可变长宽比、分辨率和持续时间的视频生成。项目还提供了高质量的数据清洗策略、提示精炼器等功能，以增强对联合时空特征的捕获，并应用于创意短片生成、学术研究等领域。

CogVLM2-Video 是智谱AI开源的一种新的视频理解模型，旨在解决当前视频理解模型中时间信息丢失的问题，并在视频字幕生成和时间定位方面表现出色。该模型通过基于视觉模型的自动时间定位数据构建方法，生成了 3 万条与时间相关的视频问答数据，并在公共视频理解基准上达到了最新的性能。CogVLM2-Video 为视频生成和视频摘要等后续任务提供了强有力的工具。

SiliconCloud 是一个专注于AI模型服务的云平台，旨在帮助开发者轻松集成和使用各种AI能力。它支持多种AI模型，包括DeepSeek-V3和DeepSeek-R1，基于华为云的Ascend云服务，确保高性能计算。平台提供网页和移动端服务，定价实惠，春节期间有折扣。开发者可以零门槛部署，直接调用API使用。

一种在视频生成中进行运动定制的新颖方法，解决了在视频生成模型中彻底探索运动表示方面存在的广泛差距。

Large World Model (LWM) 是一个通用的大环境多模态自回归模型，专注于处理长视频和书籍数据。它使用RingAttention技术进行训练，能够处理多达100万token的上下文，支持语言、图像和视频的理解与生成。LWM通过整合大量多样化的视频和书籍数据集，解决了现有语言模型在处理复杂、长任务时的不足，尤其在文本图像生成、文本视频生成等任务中表现出色。

GPT-SoVITS 是一个适用于中文的语音克隆项目，能够通过短时间的语音数据训练出高质量的文本到语音（TTS）模型。仅需1分钟的语音数据即可进行有效的模型微调，支持多语言推理，并提供易于使用的Web界面，适合初学者创建和管理训练数据集。

ModelScopeGPT 是由 Alibaba DAMO 研究院开发的智能助手，支持诗歌、绘画、视频生成和语音播放等多模态功能。它集成了知识库搜索引擎，特别适用于 ModelScope 社区，帮助用户解答模型使用和相关知识的问题。该助手连接了超过 1000 个公共 AI 模型，支持多轮对话和 API 调用，展现出强大的扩展能力。

Wan2GP是一款基于Wan2.1的阿里巴巴开源和先进的大规模视频生成模型，专为显存有限的GPU用户设计，让普通GPU也能高效运行视频生成任务。它优化了内存消耗，适配几乎所有消费级显卡，支持多种生成任务，包括文本转视频、图片转视频等，是显存有限用户的理想选择。