视频、图片与声音

本地 Web 创意引擎，提供统一画布、局部重绘、画笔、节点工作流、素材图库和 API 扩展。

像搭积木一样把模型、提示词、参考图和处理步骤连起来，搭好一次就能反复生成图片、视频、音频和 3D 内容。

模块化 AI 图片生成 WebUI，兼顾简化生成页和高级 Comfy 节点流程，支持 Stable Diffusion、Flux 等模型；目前仍处 Beta。

字节 Seed 团队的统一多模态模型，覆盖视觉理解、文生图、图片编辑和自由视觉操作，并提供 Gradio 界面。

离线图片生成器，强调少调参数的提示词体验，并支持变体、放大、局部重绘和扩图。

把生成式填充、实时绘画、放大、参考图、ControlNet 和分区提示放进 Krita 的绘画与修图流程。

Stability AI 官方生成模型代码库，提供 SDXL 基础与精修模型的文生图、图生图和 Streamlit 推理示例。

以 CapCut 开源替代为目标的时间线视频编辑器，面向裁剪、拼接、素材编排和导出等日常工作。项目仍在快速重写，正式使用前可先核对 classic 版本。

KDE 维护的免费开源非线性视频编辑器，适合多轨剪辑、转场以及视频和音频效果处理。

把 CapCut 风格多轨时间线、自动字幕、多语言配音、本地 AI 音乐、画面修复、智能裁切、数字人和离线导出放进浏览器；还提供 Codex、Claude Code、Copilot 与 Gemini 可调用的视频编辑 Skill。

腾讯混元视频生成模型，覆盖文生视频、图生视频、480p/720p、超分辨率，并提供 Diffusers 与 ComfyUI 路线。

开源视频生成模型，README 列出文生视频、图生视频、首尾帧视频、视频编辑、文生图与视频音频等任务。

把研究、脚本、素材、配音、字幕、时间线、渲染和质检串成整片视频生产流程；可接商业模型，也有免费素材与本地工具路线。

不只把一张图变成短片：它能用多个关键帧控制过程、向前或向后续写、做视频转视频；新一代 LTX-2 还把画面与声音一起生成。

给一张人物图和一段声音，就能让真人、动漫角色或动物开口说话；同一仓库还支持文生视频、图生视频和长视频续写。

从主题出发自动串接文案、素材或视频生成、配音、背景音乐和视频合成的 AI 视频生产流程。

从一个故事大纲自动生成剧情拆解、角色设计、分镜图和逐场视频，最后合成为完整成片。支持横屏与竖屏，并可连接 Veo、Kling、Seedance、Wan 等视频模型。

用源图片或视频配合驱动视频生成肖像动画，支持人物、猫狗、姿态编辑、区域控制和视频转视频；用户已完成真实安装与成片测试。

通过逐段预测和固定长度上下文生成视频，提供桌面界面，适合图片转视频及较长视频实验。

实时交互式流媒体数字人引擎：输入文字或音频即可驱动虚拟形象实时口型同步，并可通过 WebRTC、RTMP 或虚拟摄像头输出。

Z.ai 官方视频生成仓库，覆盖文生视频、图生视频和视频续写，并提供推理与微调工具。

集成 16 个语音合成引擎和 11 个语音识别引擎，可做零样本声音克隆、视频配音、系统听写、多人故事、有声书、说话人分离和批量生成。声音、项目与输出默认留在本机。

支持文本生成音乐、多语言歌词、参考音频、翻唱、局部重绘、音轨分离和时长控制。

支持多语言和中文方言的零样本语音合成、跨语言声音克隆、情绪与语速控制、流式输出及服务端部署。

Kokoro-82M 的官方推理库，可通过 pip 安装，用较小模型完成英语、中文、日语等多语言文字转语音。

覆盖语音增强、语音分离、超分辨率和目标说话人提取，并提供预训练模型。