Awesome GitHub RepositoriesVideo Processing Tools

FFmpeg is a cross-platform multimedia framework designed for the recording, conversion, and streaming of audio and video content. It functions as a comprehensive toolkit that provides both a command-line utility for direct media manipulation and a collection of low-level libraries for integration into custom applications. At its core, the project utilizes a packet-based stream engine and a format-agnostic abstraction layer to handle diverse media standards, containers, and network protocols. The framework distinguishes itself through a modular, graph-based filter execution model that allows f

Faceswap is a comprehensive framework for automated media manipulation and neural face synthesis. It provides a modular pipeline that manages the entire lifecycle of facial feature extraction, deep learning model training, and image conversion. By coordinating complex computer vision workflows, the system enables users to map facial identities between source and destination datasets while maintaining structural alignment and lighting consistency across video frames. The project distinguishes itself through a highly extensible plugin-based architecture that handles hardware-accelerated process

This project is an educational suite and technical guide designed for mastering video codecs and signal processing. It provides a structured curriculum through an engineering course, interactive labs, and tutorials focused on the fundamental principles of video compression and digital signal processing. The resource includes a technical guide for analyzing specific codecs like AV1, VP9, and H.265. It distinguishes itself by providing a containerized media lab, which ensures a consistent development environment for experimenting with video technology tools and notebooks. The project covers a

CVAT is an open-source, web-based platform designed for annotating images, videos, and 3D point clouds to create high-quality training datasets for machine learning. It functions as a containerized server that orchestrates the entire lifecycle of computer vision data, from initial task creation and manual labeling to quality assurance and final dataset export. The platform distinguishes itself through deep integration with machine learning models, allowing users to deploy custom AI models as serverless functions for automated object detection, tracking, and skeleton annotation. It supports co

MoviePy is a Python video editing library and automated video processor designed for programmatically cutting, concatenating, and manipulating video and audio files. It serves as a non-linear video editor and an interface for FFmpeg to handle the reading, writing, and conversion of diverse media formats and codecs. The library enables automated video composition through the layering of multiple video and audio streams using transparency and coordinate-based positioning. It supports dynamic content generation by inserting text overlays and performing custom video frame processing where raw fra

PeerTube is a decentralized, open-source video hosting platform that enables users to operate independent, interoperable servers. By utilizing the ActivityPub protocol, it connects these servers into a global, federated network where users can follow channels, discover content, and interact across different instances. The platform is designed to function as a self-hosted video content management system, providing a community-driven alternative to centralized media services. What distinguishes PeerTube is its hybrid approach to content delivery and infrastructure management. It integrates peer

Dieses Projekt ist ein C-basierter Leitfaden für Media-Engineering und ein Framework für Multimedia-Verarbeitung, das für die Verwaltung von Codecs, Frames und Paketen innerhalb des FFmpeg- und Libav-Ökosystems entwickelt wurde. Es bietet technische Dokumentation und Implementierungsmuster für Transcoding, Remuxing sowie die Skalierung von Video- und Audiodaten. Das Projekt enthält eine containerisierte Entwicklungsumgebung, die erforderliche Medienbibliotheken und Toolchains in einem virtuellen Image kapselt, um konsistente Build-Umgebungen zu gewährleisten. Das Framework deckt eine Reihe von Multimedia-Engineering-Workflows ab, darunter Adaptive-Bitrate-Streaming, Media-Container-Remuxing und Metadaten-Extraktion. Es bietet zudem Funktionen für die Stream-Verarbeitung, wie Audio-Video-Synchronisation und Auflösungsanpassung, sowie Tools zur Protokollierung von Codec- und Timing-Details.

ffmpeg-python is a Python wrapper that translates programmatic method calls into command-line arguments for executing FFmpeg media processing tasks. It functions as a multimedia transcoding interface and a media stream capture tool, allowing for the recording of live audio and video from hardware devices and network sources. The library features a fluent interface for constructing complex directed graphs of audio and video filters through method chaining. It also includes an FFprobe metadata extractor that retrieves structured technical properties from media files and returns them as Python d

This project is a TensorFlow-based neural style transfer framework designed to apply the artistic textures and colors of a painting to images and videos. It utilizes a feed-forward image stylizer that transforms visual appearance in a single pass, avoiding the need for iterative optimization. The system includes a deep learning training pipeline that teaches convolutional neural networks to replicate specific styles using perceptual loss functions. It also features a video frame processor that decomposes video files into individual images for sequential stylization and reassembly. The softwa

Owncast is a self-hosted live streaming server that provides full control over broadcast infrastructure and audience data. It functions as an RTMP video streaming server, accepting incoming video feeds and distributing them to viewers through HLS-based segmented streaming. The platform includes a built-in, stateful web-based chat interface that enables real-time viewer engagement during broadcasts. The project distinguishes itself through deep integration with the decentralized Fediverse, allowing servers to automatically broadcast stream status updates and notify followers across distributed

tracking.js is a browser computer vision library written in JavaScript for performing real-time image analysis and object tracking directly within a web browser. It functions as a real-time object tracker, a color tracking tool, and a face detection utility. The library enables the detection and monitoring of specific color ranges, human faces, and known visual patterns across consecutive video frames. It extracts visual features and descriptors from images to identify distinct landmarks for matching and tracking. The project covers broad computer vision capabilities, including the ability t

RobustVideoMatting is a deep learning video matting tool and PyTorch library designed to remove backgrounds from videos and extract human subjects. It utilizes a temporal video segmentation model to ensure consistent matting and reduce flickering across video frames. The project includes a cross-platform model exporter that converts trained neural networks into various runtime formats. This allows for model deployment across multiple environments, including web and mobile applications. The framework provides capabilities for temporal video background removal and AI video post-production with

react-native-skia is a cross-platform graphics framework that provides a high-performance 2D graphics engine for rendering shapes, paths, and images. It functions as a vector graphics engine and UI animation toolkit, allowing for hardware-accelerated visuals across mobile and web platforms. The project is distinguished by its integration of the Skia 2D graphics library, enabling a shader and filter pipeline for complex pixel-level effects. It supports the rendering of Lottie animations exported from After Effects and the execution of animations directly on the UI thread to maintain fluid moti

node-fluent-ffmpeg ist ein Node.js-Wrapper für FFmpeg, der eine flüssige Schnittstelle zur Ausführung von Medienbefehlen und zur Dateiverarbeitung bietet. Er fungiert als Prozessmanager, der den Lebenszyklus externer FFmpeg-Binärdateien handhabt und programmatisches Medien-Transcoding, Video-Thumbnail-Generierung und Metadaten-Extraktion via ffprobe ermöglicht. Die Bibliothek zeichnet sich durch einen Befehls-Builder aus, der JavaScript-Methodenaufrufe in Befehlszeilenargumente übersetzt. Sie bietet ereignisgesteuerte Fortschrittsüberwachung zur Verfolgung verarbeiteter Frames und Durchsatz sowie die Möglichkeit, verarbeitete Mediendaten direkt an beschreibbare Streams für die Echtzeit-Handhabung weiterzuleiten. Das Projekt deckt ein breites Spektrum an Medienverarbeitungsfunktionen ab, einschließlich Kodierungskonfiguration für Audio- und Videoeigenschaften, komplexe Filtergraph-Definitionen für visuelle und Audio-Effekte sowie Eingabeverwaltung zum Zusammenführen mehrerer Quellen. Es enthält zudem Werkzeuge zur Untersuchung von Mediencontainern und Streams, um technische Metadaten abzurufen.

ytdlnis is a mobile application that serves as a graphical client for the yt-dlp engine on Android. It functions as a media downloader and manager, providing a user interface to retrieve video and audio from websites. The project distinguishes itself by integrating directly with the Android system share menu and intents to trigger background downloads from external apps. It includes a dedicated authentication cookie manager to import and sync browser session data, enabling the retrieval of private, age-restricted, or premium content. The application covers broad capability areas including au

SerpentAI is a game AI development kit and computer vision framework designed for building autonomous agents that interact with video games. It serves as a game input automation tool and a machine learning model integration engine, allowing developers to create agents that perceive game states and execute actions. The framework utilizes a plugin-based agent architecture to provide modular extensions for game-specific logic and behaviors. It features a specialized system for training, bundling, and deploying machine learning classifiers to recognize visual contexts and game states in real time

Editly ist eine Headless-Engine für die programmatische Videobearbeitung und automatisierte Assemblierung. Es fungiert als deklarativer Video-Editor, der MP4- und GIF-Exporte aus strukturierten Daten oder Code generiert und somit keine manuelle grafische Benutzeroberfläche erfordert. Das System zeichnet sich durch die Möglichkeit aus, GLSL-Fragment-Shader als visuelle Ebenen in eine programmatische Timeline zu integrieren. Es verwendet ein konfigurationsbasiertes Modell zur Definition von Clips, Ebenen und Audiospuren, was eine reproduzierbare Video-Assemblierung und die Erstellung benutzerdefinierter programmatischer Grafiken ermöglicht. Die Engine deckt ein breites Spektrum an Medienproduktionsfunktionen ab, darunter nicht-lineare Videosequenzierung, Skalierung von Assets sowie Multi-Track-Audiomischung mit automatischer Normalisierung und Ducking. Die visuelle Komposition erfolgt durch Canvas-basiertes Rendering für Texteinblendungen, Untertitel und Kamera-Simulationseffekte wie Zoomen und Schwenken. Die Rendering-Engine und ihre Abhängigkeiten sind als containerisiertes Image für eine konsistente Ausführung in verschiedenen Umgebungen verfügbar.

This is a cross-platform media processing library that reads, writes, encodes, and decodes media in both browser and server environments. It supports common container formats including ISOBMFF, Matroska, Ogg, MPEG-TS, and HLS, and handles codec operations through a combination of WebCodecs API and WebAssembly-based encoders. Media is processed in streaming pipelines that maintain constant memory usage and automatically apply backpressure from output speed to all upstream components. The library distinguishes itself through a plugin-based codec registration system that allows extending support

AnimeGAN ist ein Generative Adversarial Network (GAN) und Bildübersetzer, der mit TensorFlow entwickelt wurde. Er ist für den Stiltransfer von Foto zu Anime konzipiert und nutzt ein Deep-Learning-System, um reale Fotos und Videoframes in Anime-Stil-Bilder umzuwandeln. Das System enthält einen Video-zu-Anime-Konverter, der konsistente visuelle Transformationen über sequenzielle Frames hinweg anwendet. Es unterstützt sowohl das Training generativer Netzwerke auf künstlerischen Datensätzen zur Replikation spezifischer Stile als auch die Extraktion von Generator-Gewichten aus Checkpoints für effiziente Inferenz. Das Projekt bietet Dienstprogramme zur Bildverfeinerung, einschließlich Kantenglättung und Weichzeichnung, um visuelle Übergänge zu verbessern. Zudem verwaltet es die Verarbeitung von Videodateien durch sequenzielle Frame-Pipelines.

VoTT ist eine Software zur Annotation für Computer Vision und ein Tool zur Vorbereitung von Machine-Learning-Datensätzen. Es ist eine Desktop-Anwendung, die zum Zeichnen von Bounding Boxes und zum Zuweisen von Tags zu Objekten in Bildern und Videos entwickelt wurde, um Trainingsdatensätze für Objekterkennungsmodelle zu erstellen. Die Anwendung nutzt eine plattformübergreifende Desktop-Schnittstelle zur Verwaltung von Bild- und Video-Assets. Sie bietet eine Local-First-Speicherintegration, um große Medien-Assets direkt vom Dateisystem des Host-Rechners zu verarbeiten, und beinhaltet ein bildraten-gesteuertes Video-Sampling, um spezifische Bilder aus Videostreams für die Labeling-Aufgabe zu extrahieren. Die Software deckt den gesamten Datenlebenszyklus ab, einschließlich des Imports von Assets aus lokalem oder Cloud-Speicher und der Konvertierung annotierter Daten in verschiedene Machine-Learning-Formate mittels schema-basierter Exporte. Sie integriert zudem Token-basierte Verschlüsselung, um sensible Projektkonfigurationseinstellungen zu sichern.