从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
开源项目 90
claude-real-video：本地提取视频关键帧与转录供 LLM 阅读开源项目本地按场景变化抽取视频关键帧、转录音频并生成清单文件，供 Claude 等 LLM 阅读理解视频内容。查看
Pixel LLMs：像素级视觉定位的多模态模型系列开源项目以Sa2VA为核心的多模态LLM研究项目集合，将SAM-2与MLLM结合，实现图像和视频的密集定位理解。查看
SimpleMem：LLM Agent 的长期记忆系统开源项目面向 LLM Agent 的长期记忆系统，通过语义压缩存储与检索文本及图像、音频、视频多模态记忆。查看
Bernini：视频扩散的语义规划框架开源项目结合MLLM语义规划器与DiT渲染器的视频生成与编辑统一框架，附推理、训练代码与模型权重。查看
LongCat-Video：长视频生成模型开源项目13.6B 参数的视频生成模型，统一文生视频、图生视频与视频续写，附推理代码与模型权重。查看
HunyuanVideo：开源视频生成模型开源项目130亿参数的视频生成基础模型，提供PyTorch定义、预训练权重与推理采样代码。查看
Ovi：同时生成视频与音频的跨模态生成模型开源项目Ovi 是可从文本或文本加图像输入同步生成视频与音频的模型，提供推理代码、Gradio 应用与 ComfyUI 集成，支持 5 秒和 10 秒输出。查看
JoyAI-VL-Interaction：实时视频语言交互模型与系统开源项目8B 视觉语言交互模型，配套训练配方、数据与实时流式部署系统。查看
HunyuanVideo-I2V：图生视频生成模型开源项目腾讯混元的图像到视频生成框架，仓库含PyTorch模型定义、预训练权重、推理采样代码与LoRA训练代码。查看
MoneyPrinterTurbo：AI短视频自动生成工具开源项目提供主题或关键词即可自动生成脚本、匹配素材、配音字幕配乐并合成高清短视频。查看
ruby_llm：Ruby AI 应用开发框架开源项目面向 Ruby 与 Rails 的 AI 框架，统一 23 家模型提供商的 API，覆盖对话、工具、Agent、评估与多模态能力。查看
HuMo：多模态条件驱动的人物视频生成开源项目结合文本、参考图像与音频生成音画同步人物视频的框架，附推理代码与数据集。查看
LumenX：AI 原生漫剧与视频创作平台开源项目将创意文本转化为可发布视频的创作平台，含全链路 Studio 与独立生成 Playground 两个模块。查看
LingBot-VA：机器人控制的因果世界模型开源项目自回归视频-动作世界模型，统一视觉动态预测与动作推理，提供推理、评测与后训练代码及权重。查看
JoyAI-Echo：长时程音视频生成与世界模型开源项目包含 Echo-LongVideo 长视频生成与 Echo-WM 交互式世界模型两个独立项目，仅限学术研究与非商业使用。查看
Lance：统一多模态理解生成编辑模型开源项目3B参数的原生统一多模态模型，支持图像与视频的理解、生成和编辑，附推理与微调代码。查看
HY-WorldPlay：实时交互式世界模型开源项目HY-World 1.5（WorldPlay）是实时交互式世界模型，以流式视频扩散生成24 FPS长时序一致的可操控视频，并开源训练与推理代码。查看
NVIDIA Cosmos：面向物理 AI 的世界基础模型开源项目Cosmos 3 全模态世界模型家族，含 Reasoner 与 Generator 两条分支，用于世界理解、视频生成、仿真与合成数据。查看
HY-World-2.0：多模态 3D 世界生成与重建模型框架开源项目从文本或图像生成可导航 3D 场景，并从多视角图像或视频重建 3D 资产。查看
Seed1.5-VL：视觉语言模型使用指南与代码示例开源项目Seed1.5-VL 是视觉语言基础模型的使用指南仓库，提供调用火山引擎 API 的示例代码，覆盖长思维链开关、2D/3D 定位、视频理解与 GUI Agent 等场景。查看