LatentSync 是字节跳动开源的唇形同步模型，用扩散模型解决视频口型与音频对不上的问题。它基于 Stable Diffusion 改造，开发者可用 Python 调用，为人物视频重新生成匹配语音的嘴型，适合配音、数字人等内容制作场景。
Taming Stable Diffusion for Lip Sync!
按钮会在新标签页打开，本站不代理、不镜像仓库内容。
Hunyuan3D-2 是腾讯混元开源的大规模扩散模型，用两阶段流程从图像或文本生成高分辨率 3D 资产，解决传统建模耗时、细节不足的问题。典型场景是开发者输入一张角色概念图，直接得到带贴图的 mesh，接入游戏或电商的 3D 内容 pipeline。
HunyuanVideo 是一个开源的大视频生成模型框架，用扩散模型把文本 prompt 变成连贯视频。它提供完整训练与推理流程，开发者可基于 Python 搭建自己的视频生成 workflow。
这是一个汇总扩散模型论文与资源的清单项目，帮开发者省去在大量文献里翻找的时间。它按主题整理 diffusion model 的相关工作，适合刚入门时快速摸清脉络，或做 survey 时集中查阅。
LTX-Video 是 Lightricks 开源的视频生成扩散模型官方仓库，用 Python 实现，解决从文本或图片生成连贯视频的问题。典型场景是开发者通过 CLI 或 Python SDK 调用预训练模型，把 prompt 直接转成短视频片段，用于内容创作与原型验证。
这是一套用 C++ 写的端侧 AI 推理 SDK，让开发者在本地设备上直接跑扩散模型，不必依赖云端接口。典型场景是把文生图能力集成进桌面或移动应用，用本地算力完成推理，兼顾响应速度与数据隐私。
VAR 是 NeurIPS 2024 最佳论文的官方实现，用自回归方式做图像生成，让 GPT 路线在视觉任务上跑通并超越扩散模型。它按由粗到细的尺度逐级预测图像，代码简洁易用，适合想上手视觉自回归生成的开发者作为起点。
