Startseite Projekte Bernini
Bernini
Python

Bernini

Bernini ist ein einheitliches Framework für Videoerstellung und -bearbeitung, das einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer kombiniert.

von bytedance · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
image-editingimage-generationvideo-editingApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Generieren und bearbeiten Sie Videos mit einem Framework, das Inhalte intelligent plant und rendert.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
Bernini — GitHub preview card
📈 Sternhistorie
1 1301 129
2026-07-202026-08-31
📈 Bernini verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Bernini ist ein einheitliches Framework für Videoerstellung und -bearbeitung, das einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer kombiniert.

Bernini hat 1.1k Sterne auf GitHub. Es wurde 84-mal geforkt. Bernini ist hauptsächlich in Python geschrieben. Es wird seit 2026 aktiv entwickelt. Bernini ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: image-editing, image-generation, video-editing, video-generation.

Vergleichen Sie mit den kostenpflichtigen Tools, die es ersetzt
Eine kostenlose Alternative zu RunwayKling
Frequently asked questions

Was ist Bernini?

Bernini ist ein einheitliches Framework für Videoerstellung und -bearbeitung, das einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer kombiniert.

Ist Bernini Open Source?

Bernini ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist Bernini kostenlos?

Ja. Bernini ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht Bernini?

Bernini ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist Bernini geschrieben?

Bernini ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — Bernini

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=bytedance-bernini)](https://olud.ai/project/bytedance-bernini.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
ChronoEdit
[ICLR 2026] ChronoEdit: Auf dem Weg zu zeitlichem Denken für Bildbearbeitung und Weltsimulation…
697 · aigc
teiltimage-editingvideo-generation
FateZero
[ICCV 2023 Oral] "FateZero: Fusing Attentions for Zero-shot Text-based Video Editing"
1.2k · image-editing
teiltvideo-editingimage-editing
DreamOmni2
Dieses Projekt ist die offizielle Implementierung von 'DreamOmni2: Multimodale, anweisungsbasie…
2k · image-editing
teiltimage-editingimage-generation
MagicDance
[ICML 2024] MagicPose (auch bekannt als MagicDance): Realistische menschliche Posen und Gesicht…
776 · behavior-generation
teiltvideo-editingimage-editing
DiffMorpher
Offizieller Code für DiffMorpher: Entfaltung der Fähigkeiten von Diffusionsmodellen für Bildmor…
504 · diffusion-models
teiltimage-editingvideo-generation
gpt_image_playground
Bildgenerierungs- und Bearbeitungstool basierend auf der OpenAI gpt-image-2 API
3.1k · gpt-image
teiltimage-editingimage-generation
Voost
[SIGGRAPH Asia 25] Voost: Ein einheitlicher und skalierbarer Diffusion Transformer für bidirekt…
340 · diffusion-models
teiltimage-editingimage-generation
MagicBrush
[NeurIPS'23] "MagicBrush: Ein manuell annotierter Datensatz für anleitungsgeführte Bildbearbeit…
411 · diffusion-models
teiltimage-editingimage-generation
NOVA
[ICLR 2025] Autoregressive Videoerzeugung ohne Vektorquantisierung
655 · autoregressive-models
teiltvideo-generationimage-generation
LLMGA
Dieses Projekt ist die offizielle Implementierung von 'LLMGA: Multimodale große Sprachmodellbas…
396 · aigc
teiltimage-editingimage-generation

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.