Inicio Proyectos Bernini
Bernini
Python

Bernini

Bernini es un marco unificado para generación y edición de video que combina un planificador semántico basado en MLLM con un renderizador basado en DiT.

por bytedance · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
image-editingimage-generationvideo-editingApache-2.0Python
Ver en GitHub
En palabras simples

Genera y edita videos utilizando un marco que planifica y renderiza contenido de manera inteligente.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
Bernini — GitHub preview card
📈 Historial de estrellas
1 1301 129
2026-07-202026-08-31
📈 Sigue Bernini

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Bernini es un marco unificado para generación y edición de video que combina un planificador semántico basado en MLLM con un renderizador basado en DiT.

Bernini tiene 1.1k estrellas en GitHub. Se ha bifurcado 84 veces. Bernini está escrito principalmente en Python. Se desarrolla activamente desde 2026. Bernini está disponible bajo la licencia Apache-2.0. Sus temas principales son: image-editing, image-generation, video-editing, video-generation.

Compara con las herramientas de pago que reemplaza
Una alternativa gratuita a RunwayKling
Frequently asked questions

¿Qué es Bernini?

Bernini es un marco unificado para generación y edición de video que combina un planificador semántico basado en MLLM con un renderizador basado en DiT.

¿Bernini es de código abierto?

Bernini es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿Bernini es gratis?

Sí. Bernini es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está Bernini?

Bernini está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito Bernini?

Bernini está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — Bernini

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=bytedance-bernini)](https://olud.ai/project/bytedance-bernini.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
ChronoEdit
[ICLR 2026] ChronoEdit: Hacia el Razonamiento Temporal para la Edición de Imágenes y Simulación…
697 · aigc
comparteimage-editingvideo-generation
FateZero
[ICCV 2023 Oral] "FateZero: Fusionando Atenciones para Edición de Video Basada en Texto Zero-sh…
1.2k · image-editing
compartevideo-editingimage-editing
DreamOmni2
Este proyecto es la implementación oficial de 'DreamOmni2: Edición y Generación Basada en Instr…
2k · image-editing
comparteimage-editingimage-generation
MagicDance
[ICML 2024] MagicPose (también conocido como MagicDance): Retargeting de Poses Humanas Realista…
776 · behavior-generation
compartevideo-editingimage-editing
DiffMorpher
Código oficial para DiffMorpher: Desatando la Capacidad de los Modelos de Difusión para Morfolo…
504 · diffusion-models
comparteimage-editingvideo-generation
gpt_image_playground
Herramienta de generación y edición de imágenes basada en la API gpt-image-2 de OpenAI
3.1k · gpt-image
comparteimage-editingimage-generation
Voost
[SIGGRAPH Asia 25] Voost: Un transformador de difusión unificado y escalable para prueba virtua…
340 · diffusion-models
comparteimage-editingimage-generation
MagicBrush
[NeurIPS'23] "MagicBrush: Un Conjunto de Datos Anotado Manualmente para Edición de Imágenes Gui…
411 · diffusion-models
comparteimage-editingimage-generation
NOVA
[ICLR 2025] Generación de video autorregresiva sin cuantización vectorial
655 · autoregressive-models
compartevideo-generationimage-generation
LLMGA
Este proyecto es la implementación oficial de 'LLMGA: Asistente de Generación basado en Modelos…
396 · aigc
comparteimage-editingimage-generation

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.