short-video-maker
★ 1.4k
vs
UI-TARS-desktop
★ 39.4k
short-video-maker vs UI-TARS-desktop
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。;UI-TARS-desktop:UI-TARS Desktop 是 TARS 多模态 AI 智能体技术栈的桌面应用组件,通过截图理解屏幕内容并与计算机 GUI 交互,支持执行 Shell 命令和浏览器工具,集成 MCP 扩展 Agent 能力。
01
简评
short-video-makerVision / Multimodal · ★ 1.4k
通过文本自动化生成短视频内容。
UI-TARS-desktopVision / Multimodal · ★ 39.4k
何时选择它(优势与适用):
- 需要一款基于原生视觉模型的桌面端 GUI 智能体,直接通过看懂屏幕画面、端到端模拟鼠标点击与键盘输入来操作应用。
- 希望拥有一款跨 macOS、Windows 和 Linux 的开源多模态桌面自动化软件,胜任跨软件协同任务。
何时考虑替代方案:
- 操作对象仅为纯 Web 网页;直接通过 Playwright 或 Scrapling 操作 DOM 树比纯视觉模拟点击更快、更稳定。
- 本地或服务端缺乏充足的 GPU 算力或支持高分辨率视觉推理的多模态模型调用预算。
02
并排对比
字段
分类
视觉/多模态
视觉/多模态
Stars
★ 1.4k
★ 39.4k
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
npx @agent-tars/cli@latest
更新时间
1年前
2周前
开源
是
是
标签
视频生成, 文本转语音, AI自动化
GUI 代理, 桌面应用, 多模态 AI
03
功能特性
01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
01原生 GUI 智能体,通过截图理解屏幕并与桌面应用交互
02多模态 LLM 驱动的任意 UI 视觉理解
03内置浏览器自动化和 Shell 命令执行
04MCP 集成,通过自定义工具扩展 Agent 能力
05跨平台桌面应用,提供 Web UI 选项
04
使用场景
↳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。
↳通过视觉点击无 API 的桌面 GUI 工作流自动化
↳构建结合屏幕理解、网页和文件操作的多模态 Agent
↳通过自然语言指令在桌面执行 AI 辅助计算机任务
05
适合场景
—
最受欢迎必备神器时下流行
FAQ
常见问题
short-video-maker 和 UI-TARS-desktop 有什么区别?
short-video-maker 和 UI-TARS-desktop 都属于 Vision / Multimodal 类别。short-video-maker 有 1.4k Stars,UI-TARS-desktop 有 39.4k Stars。
short-video-maker 和 UI-TARS-desktop 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,通过视觉点击无 API 的桌面 GUI 工作流自动化 时选 UI-TARS-desktop。
short-video-maker 是免费的吗?
是的,short-video-maker 在 GitHub 开源(MIT)。
UI-TARS-desktop 是免费的吗?
是的,UI-TARS-desktop 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)。
→