Awesome GitHub RepositoriesVideo Processing

Open-Sora-Plan is a text-to-video framework and distributed video training system. It utilizes a diffusion transformer architecture and large language model components to transform written descriptions or image prompts into high-quality video sequences. The system features a distributed infrastructure designed for large-scale video training and inference. It employs sequence parallelism to split high-resolution or long-duration video samples across multiple GPUs and uses a sparse attention mechanism to increase processing speed. The project includes capabilities for both text-to-video and im

100 Go Mistakes is a reference book and code review companion that catalogues frequent Go programming anti-patterns and provides corrected implementations for each one. It covers a wide range of common pitfalls, from range loop variable capture and interface nil handling to error wrapping and map iteration randomization, helping developers recognize and avoid these issues in their own code. The project distinguishes itself by offering a structured, example-driven approach to learning idiomatic Go. It covers core design decisions such as when to use pointer versus value receivers, how to apply

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

This project is a collection of reference implementations and technical guides for building high-performance 3D applications and graphics experiments on Windows. It provides a library of samples covering the implementation of GPU compute frameworks, raytracing reference models, and shader optimization techniques. The repository includes specific demonstrations for modeling physical light behavior to create reflections and lighting effects, as well as tools for analyzing memory dumps and tracking real-time execution metrics on graphics hardware. It further provides guidance on managing shader

OpenH264 es una librería para codificar y decodificar video utilizando el estándar H.264. Proporciona herramientas para transformar frames de video crudos en flujos de bytes comprimidos y descomprimir dichos flujos de vuelta a frames de píxeles crudos. El proyecto incluye un generador de flujos de video simulcast que produce múltiples resoluciones desde una única fuente. Esta capacidad admite streaming de bitrate adaptativo y comunicación de video en tiempo real en diversas condiciones de red. El sistema implementa flujos de trabajo de procesamiento de video que incluyen control de tasa adaptativo, codificación paralela basada en slices y gestión de buffers planares YUV. Utiliza análisis de bitstream basado en estados para manejar dependencias secuenciales de frames de video.

Kdenlive es una suite de edición de video no lineal de código abierto diseñada para la postproducción de video digital. Construida sobre el MLT Framework y utilizando KDE Frameworks para su interfaz de usuario, proporciona un entorno multipista para ensamblar clips, aplicar transiciones y renderizar archivos de video finales. El editor se distingue por un conjunto integral de herramientas de animación y efectos, incluyendo animación de parámetros basada en fotogramas clave con un editor de curvas visual para ajustar las transiciones. Soporta modificaciones visuales avanzadas como remapeo de velocidad de clip, enmascaramiento de región de efecto e integración de gráficos vectoriales animados de software externo. La suite cubre una amplia gama de capacidades de producción, incluyendo ingeniería de audio con mezcla y paneo basados en pistas, corrección y gradación de color, y herramientas de texto para la generación de subtítulos y transcripción de voz a texto. Incluye utilidades de gestión de proyectos para la organización de activos y definición de metadatos, así como optimizaciones de rendimiento como medios proxy y escalado de resolución de reproducción. El software gestiona varios códecs y formatos para la importación y exportación de medios, utilizando renderizado en segundo plano multihilo para finalizar proyectos.

Starspace es un framework de vector embedding diseñado para entrenar representaciones de alta dimensión de texto e imágenes. Funciona como un sistema de aprendizaje automático para ranking neuronal, clasificación de texto y embedding de grafos de conocimiento, mapeando diferentes tipos de objetos en un espacio numérico compartido para facilitar tareas de recuperación y predicción. El sistema incluye herramientas especializadas para la finalización de grafos de conocimiento y predicción de enlaces representando entidades y sus relaciones dentro de un espacio vectorial multirelacional. Además, proporciona capacidades para la recomendación de contenido semántico y clasificación de texto a gran escala mapeando entradas a etiquetas objetivo o elementos candidatos. El framework cubre áreas de capacidad amplias, incluyendo ranking de entidades basado en similitud, extracción de vector embedding de documentos o n-gramas, y el uso de entrenamiento basado en caminatas aleatorias (random-walk). Para gestionar grandes datasets, incorpora carga de datos comprimidos basada en disco y optimización de muestreo negativo.

YTSage is a desktop application and graphical user interface for downloading video and audio from YouTube and other platforms. Built using the PySide6 framework and powered by the yt-dlp engine, it provides a visual interface for media extraction and file organization. The application includes a dedicated media filter that removes sponsored segments from downloaded videos using community-sourced timestamp data. It also features a metadata extractor to fetch and save subtitles, thumbnails, descriptions, and chapter markers. The tool supports batch playlist processing, audio format conversion

VidGear is a high-performance Python video processing framework designed for capturing, transcoding, and manipulating video streams. It functions as a multi-protocol video streamer and a WebRTC streaming server, enabling the transfer of video frames over networks using RTSP, RTMP, RTP, and MJPEG protocols. The project distinguishes itself through hardware-accelerated video transcoding and decoding using GPU backends like CUDA to reduce CPU load. It includes a cross-platform screen capture tool and a specialized system for establishing direct peer-to-peer media connections using WebRTC signali

GPAC is an open-source multimedia framework built around a pluggable filter graph pipeline, where modular processing units called filters connect into a directed graph to handle media workflows. At its core, the framework centers all media packaging and manipulation on the ISO Base Media File Format (ISOBMFF), with specialized tools for reading, writing, fragmenting, and encrypting MP4 and related containers. It also provides a declarative scene graph composition system for describing interactive multimedia scenes using MPEG-4 BIFS, X3D, SVG, or VRML syntax, alongside a hardware-accelerated re

Open h.265 video codec implementation.

Simple yet powerful ruby ffmpeg wrapper for reading metadata and transcoding movies

a cross-platform library for USB video devices

Vireo is a lightweight and versatile video processing library written in C++11

Open Video Editor es una utilidad centrada en la privacidad diseñada para la transcodificación, edición y optimización de video local. Al ejecutar todas las operaciones directamente en el dispositivo del usuario, la aplicación garantiza que los archivos multimedia confidenciales nunca se transmitan a servidores externos. El software aprovecha tecnologías basadas en navegador para realizar una manipulación multimedia de alto rendimiento. Utiliza WebAssembly para ejecutar binarios compilados dentro de un entorno aislado (sandboxed), descargando tareas intensivas de decodificación y codificación a hilos en segundo plano para mantener la capacidad de respuesta de la interfaz. La aplicación procesa los medios a través de una tubería basada en flujos que maneja los datos en fragmentos, lo que permite una manipulación eficiente de archivos grandes manteniendo un bajo consumo de memoria. La herramienta proporciona una gama de capacidades funcionales para modificar contenido de video, incluyendo recorte de segmentos, ajuste de resolución, escalado de fotogramas y corrección de orientación. También admite ajustes estéticos visuales, como la aplicación de filtros en escala de grises al metraje. Todas las interacciones con archivos ocurren a través del acceso directo al almacenamiento local, asegurando que los datos permanezcan seguros durante todo el proceso de edición.

C++ wrapper for FFmpeg

Video processing routines for SciPy