正在整理你需要的资料…
站内每天采集到的 GitHub 开源项目,一共 112 个符合当前条件。 每条都配了中文说明和适用场景 —— 仓库自己的英文描述对中文读者没什么用。

想按流程做 AI 短片,而不是每次凭感觉重来。这份成文的方法库把创意、分镜、素材、配乐、动画、剪辑排成 9 条内容流程(6 正式、3 候选),配 9 项角色职责、10 项技能、3 个可运行像素场景和 18 个文字案例,还有 AI 漫画成片、Blender 分层动画与剪映制作方法,成片约 30 秒、1080p。
从选题到多语言 YouTube 视频,脚本、分镜、美术、配音、成片每一步都得另找工具。Claude Agent 写故事和脚本、规划分镜、设计矢量美术并自审,配音、图像和视频片段走付费媒体 API,Remotion 渲染成片,网页 Studio 逐步显示进度、留给人做最后决定。
讲一段历史或一个概念,最花时间的往往不是想,是把它做成片子的流程。帧言 Frametell 把这件事交给导演智能体:一句话或一份资料进去,它先出分镜脚本等你签字,再写稿、配音、逐页绘制并自检,最后交出 1080p 成片、字幕和发布说明。它不自己从零生成视频,而是驱动一个成熟的视频引擎,底层模型可以换。
做一支像样的产品宣传片,要过写脚本、找素材、设计画面、剪辑卡点、配音混音好几道工序,外包往往几千到上万。ai-promo-video-maker 把流程写成 AI 能读懂的规范 AGENTS.md,配 Remotion 工程模板:只报产品名或网址,它自己调研、画风格样图让你挑、截 4K 真实页面、按音乐节拍卡点剪辑。
上传一张照片,出一条踩着热门模板的 AI 视频 —— 这个 SaaS 模板把整条链路都铺好了:Cloudflare Workers 加 D1、R2、KV、Queues,Google 登录、积分包订阅、fal.ai 队列生成、退款自动回滚积分、后台管理都能跑;每个热门关键词单独一个站,换份配置就复制出一家。
把 18+ 角色图生视频接进自己的产品,接口在哪、有没有审核,全得问人。Vipeak AI(123vips.com)的开发者文档把 Seedance Spicy 与 Wan NSFW 两条模型线怎么调、异步任务怎么等、Webhook 回调怎么收、积分怎么计都写清楚,站点还备了 llms.txt 给编码助手读。

好文章换个平台就得截图、排版、配图、配音、剪辑重做一遍。article2media 这组开源的 Claude Code / Codex 技能把一篇文章或一条视频转成小红书图文、杂志长图、公众号排版和 AI 配音口播视频等十种中文形态,交付前自动验收,零 npm 依赖。
一段参考视频本来只是回放,想把它变成能实时操控的场景,中间还差一整套生成渲染。EdenLive 把参考视频当成交互程序与神经视觉合成之间的接口:上游程序执行规则、维护世界状态,EdenLive 再依据目标首帧和一段文字提示把画面渲染成细节帧。项目页演示了 24 FPS 以上、分钟级生成、480P/720P 输出。

做一条短视频,素材生成、剪辑、导出分散在几个工具里,搬来搬去最耗时间。OpenDirector 是本地运行、用浏览器打开的 AI 视频创作工作台:跟助手聊想法顺手生成素材,在画布上归拢素材、反复改,图像、视频、音频都能编辑,再把素材拖到时间线上剪成片,导出 MP4。工程留在你自己机器上,生成用哪家提供方的 API 随你选。

本地跑大模型,显存就是那道墙。MACaQ 是华为诺亚方舟实验室的模型无关量化框架,把文本、图像、视频、音频模型量化成 GGUF:Diffusers 走 W4A4,llama.cpp 出 2/3/4-bit GGUF,vLLM 做文本生成与服务,PyTorch 负责语音;每个后端要单独建 Python 3.12 环境。官方称量化 122B 模型约需 64 分钟、32.5GB 显存。
Agent-native viral video studio: one-click replicate viral short videos, deconstruct video hooks and scripts into a Viral DNA report, and ship 10 costed variants. Skill + MCP + CLI. Apache-2.0.

自回归视频模型训练时容易走捷径,生成出来的画面看着像那么回事,物理却不守。腾讯 IEG ARC 与南京大学提出 Future Chunk Prediction:训练时用辅助分支预测时间上更远的未来片段,只靠视频像素监督就提升物理一致性,学到的表征也更有结构。训练与推理代码、1.3B 和 5B 权重都已放出。
同一场戏换个视角还能再拍一次吗?浙大、Monash、BAIR 等的「Any Time, Any Space」框架把剧本编译成带场景、机位、时间和事件的镜头请求:场景记忆存下每个地点的静态几何,事件记忆按场景与时间索引动态观察,过去的镜头可以重新取景;片段先重建、配准并校验,通过才写回世界。几何服务约需 20 GB 显存的 NVIDIA 卡,客户端不用 GPU。
产品发布片、广告片、音乐 MV,从一句话想法到成片中间隔着脚本、画面、配音、剪辑好几道工序。take-one 这个 Claude Code 技能把它们串成一条龙,最后还带一个复审室:你写的批注直接变成下一条。官方估:30 秒片子单次会话约 0.4 到 0.7 百万 token、一到两小时。
从一个话题到一条能发的视频,中间要凑脚本、图片、配音、字幕、封面好几样。otopilot 把这条流水线搬到本地:脚本、CC0 授权的免费图片和博物馆藏品、配音、字幕、封面,外加一份 YouTube 发布包,界面有 15 种语言,免费的路径不用任何 API Key。
想做一期「曹操 vs 刘备」的 AI 说唱,流程横跨好几个平台。这条 Claude Code 技能「古人说唱 Battle」一条龙包办:写两段互怼歌词并给每句配史料出处,做歌后自动分离人声、用 faster-whisper 识别每句时间并按小节剪短、给两人变调区分声线,定妆图交给 Midjourney,分镜用即梦 Seedance 2.5 生成并自动对口型,MIT 开源。

原版 MiniMax-H3 参数太大,消费级显卡上跑得吃力。Video Rebirth 把它压成 13.7B 的少步版本,4 到 8 步采样就同时生成 5 到 15 秒画面与同步立体声,权重有 INT8 与 GGUF 两种格式,Q4_K_M 压到 9.1 GB,24 GB 显卡能跑。
Seedance 2.5 Flash cost per second of video, with comparisons.
文案改写、配音、数字人驱动、字幕配乐、封面、多平台发布 —— 这几道工序分开做,每换一个平台就得重来一遍。IP-Bot 用 Electron 加 Vue3 写成,把它们串成一条流水线,另带 Express 与 SQLite 的管理后台。
12 camera moves for text-to-video, with copy-paste prompt phrases.
文生视频按次数收费、还得排队,试用个镜头就得先买额度。PromptReel 是个免费的 Windows 桌面应用,用 Wan 2.2 在本机把一句场景描述渲成 MP4 短片,横屏、竖屏、方屏三种画幅任选,不限次数也没有排队,素材不出本机。
AI 写出的 HTML/Canvas 动画要变成 MP4,只能录屏,字幕和运镜全对不准。这个工具按时间点 seek 逐帧截图再交给 ffmpeg 编码,同一份输入永远得到同一份输出,任意帧率都能真 60fps 而不是插帧,自带模板与自动质检。
竖屏解说视频从选题、脚本、分镜到成片,本来是一串要人排的活。papercut-explainer 把这串活交给编码 Agent:九个 Agent 技能加一整套 Remotion 组件库,给出 24 套布景、17 种运镜、10 种转场和音效音乐素材,Claude Code、Codex、Cursor 这类编码助手都能驱动。
数学、概率、哲学这类硬知识做成抖音视频,最难的是画面质感。这套「Vibe 知识大赏」风格的 Claude / AI Agent 技能纯代码生成画面、双语字幕与合成 BGM,风格规范逆向自 8 条抖音爆款原片的逐秒帧分析,一句话从选题走到成片 MP4。