JoyAI Echo
NEW京东开源的长音视频生成模型，突破前沿的长序列音视频同步生成能力，1.6K+ stars。
🎯适用场景：生成长序列音视频同步内容，适用于数字人与视频创作
📥 收录于 2026/6/20
📊 仓库数据
📈 Stars 变化 ↑6 小时 +2· 统计区间 6/24 00:08 → 6/24 06:11（6 小时）
✅ 优点
- •京东开源实力背书
- •长音视频同步生成
- •前沿技术突破
⚠️ 限制
- •GPU 资源需求较高
- •目前仅支持特定输入格式
🔗 相关工具
Wan 2.1
github.com/Wan-Video/Wan2.1
阿里巴巴通义万相视频生成模型 Wan 2.1，支持高质量文本到视频生成，支持多种分辨率和时长，开源权重可商用
🎯AI 视频生成、文本到视频转换、创意内容制作
Runway Gen-4
runwayml.com
Runway 的最新视频生成模型，支持多模态输入（文本、图像、视频片段）。提供专业级时间轴控制、视频编辑（风格迁移、对象替换）等高级功能。Web 界面 + API 双模式，是专业视频创作者的首选平台。
🎯多模态内容理解与生成
MoneyPrinterTurbo
github.com/harry0703/MoneyPrinterTurbo
AI 短视频生成工具，56,087+ stars。利用大模型一键生成高清短视频，自动完成选题、文案、配音、字幕、画面生成全流程。是国内最受欢迎的 AI 短视频自动化工具。
🎯多模态内容理解与生成
Sora 2
openai.com/sora
OpenAI 的旗舰级视频生成模型，基于 Diffusion Transformer 架构。支持最长 60 秒视频生成，在物理模拟（流体、光影、碰撞）方面表现卓越。通过 ChatGPT Plus/Pro 订阅可用，是 2026 年质量最高的文生视频模型。
🎯多模态内容理解与生成
Umi-OCR
github.com/hiroi-sora/Umi-OCR
Umi-OCR 是一款免费开源的离线 OCR 文字识别软件，支持截屏识别、批量导入图片识别、PDF 文档识别，可排除水印和页眉页脚干扰，支持扫描和生成二维码，内置多国语种识别库。44K+ stars。
🎯日常文字识别、批量 OCR 处理、离线环境下的文字提取
LivePortrait
github.com/KlingAIResearch/LivePortrait
让静态肖像照片“活起来”的 AI 肖像动画工具。支持单张照片驱动面部表情、头部姿态和口型同步，可生成逼真的肖像动画视频。18K+ stars，是开源数字人和肖像动画领域的标杆项目
🎯多模态内容理解与生成