short-video-maker
★ 1.4k
vs
groundingLMM
★ 969
short-video-maker vs groundingLMM
short-video-maker：Short Video Maker 是一个开源工具，通过整合文本转语音、自动字幕、背景视频和音乐，从简单的文本输入自动化生成短视频。它提供 REST API 和模型上下文协议（MCP）服务器功能，是GPU密集型视频生成的免费替代方案。；groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。
01
简评
short-video-makerVision / Multimodal · ★ 1.4k
通过文本自动化生成短视频内容。
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
02
并排对比
字段
short-video-makergroundingLMM分类
视觉/多模态
视觉/多模态
Stars
★ 1.4k
★ 969
许可证
MIT
Apache-2.0
安装方式
docker run -it --rm --name short-video-maker -p 3123:3123 -e LOG_LEVEL=debug -e PEXELS_API_KEY= gyoridavid/short-video-maker:latest-tiny
git clone https://github.com/mbzuai-oryx/groundingLMM.git
更新时间
1年前
1个月前
开源
是
是
标签
视频生成, 文本转语音, AI自动化
多模态人工智能, 计算机视觉, 自然语言处理
03
功能特性
short-video-maker01从文本提示生成完整的短视频
02文本转语音转换
03自动字幕生成和样式设置
04通过 Pexels 搜索和选择背景视频
05同时作为 REST API 和模型上下文协议 (MCP) 服务器
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
04
使用场景
short-video-maker↳通过文本自动化生成短视频内容。
↳与AI代理（如n8n）集成，通过API实现工作流自动化。
↳提供免费的本地视频生成方案，以替代昂贵的云服务或高GPU需求。
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
FAQ
常见问题
short-video-maker 和 groundingLMM 有什么区别？
short-video-maker 和 groundingLMM 都属于 Vision / Multimodal 类别。short-video-maker 有 1.4k Stars，groundingLMM 有 969 Stars。
short-video-maker 和 groundingLMM 哪个更好？
最佳选择取决于你的具体需求。通过文本自动化生成短视频内容。 时选 short-video-maker，理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM。
short-video-maker 是免费的吗？
是的，short-video-maker 在 GitHub 开源（MIT）。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→