自回归视频生成

Everlyn-1是首个开源的自回归基础视频AI模型，为视频生成和多模态理解带来突破。它通过创新性地引入Wasserstein距离优化矢量量化，显著提升了训练稳定性和性能。同时，其提出的EfficientARV框架能够高效生成图像和视频，支持多种生成任务。此外，ANTRP技术有效减少多模态大语言模型中的幻觉现象，进一步提升生成质量。

StreamingT2V 是一种自回归方法，用于生成具有平滑过渡的长视频，支持80、240、600、1200帧或更多帧的生成。该方法通过一致的块转换和长期记忆块，确保生成的视频在动态性和连贯性上的高质量表现。

Framer 用于交互式帧插值，其目标是根据用户的创意在两幅图像之间生成平滑过渡的帧。

TokenFlow 是一个利用文本到图像扩散模型进行视频编辑的项目，能够保留输入视频的空间布局和运动，同时通过扩散特征空间强制一致性来确保编辑的一致性。该项目不需要任何训练或微调，并且可以与现成的文本到图像编辑方法结合使用。

Tune-A-Video 是一个基于文本描述生成视频的工具，支持多种风格和主题，能够快速输出高质量视频，且具有用户友好的界面，适合各种创作需求。

VideoTuna是一个集成了多种视频生成模型的代码库，支持从文本到视频、图像到视频的生成，并提供了预训练、连续训练、对齐和微调等完整的视频生成流程。它支持多种视频生成模型，如CogVideoX、Open-Sora、VideoCrafter等，能够处理不同分辨率的生成任务。此外，VideoTuna还提供了丰富的后处理功能，如视频到视频的后处理和增强模块，并计划推出3D视频VAE和可控面部视频生成模型，进一步扩展应用场景。

DreamMachine AI 视频生成器由 Luma AI 提供支持，利用先进的微调技术，允许用户仅需几次点击即可将想法变为现实。该系统通过直接在视频上训练的高效可扩展变换器模型，确保物理准确性、一致性和富有事件感的镜头，能够从静态快照生成流畅的动态视频，理解物理世界中的互动和物理现象。

Stable Video是一个最先进的生成AI视频模型，旨在将图像转化为视频或将文本转化为视频，拓展了AI驱动内容创作的边界。

SoraPrompt是一个AI模型，可以根据文本指令创建逼真和富有想象力的场景。该项目将持续更新最新的视频和相关的提示，以展示Sora技术的生成能力。

OpenAI Sora是一个能够根据文本指令生成逼真和富有想象力场景的AI模型。用户只需提供描述所需场景的文本指令，Sora便会根据这些指令生成相应的视频。