Awesome GitHub RepositoriesBatch Video Processing

Perfect Green Screen Keys

This project is an optical character recognition tool designed to extract hardcoded subtitles from video frames and convert them into synchronized subtitle files. It functions as a text processor that transforms embedded visual text into a written format to improve video accessibility and translation. The system uses graphics processing units to increase the speed and accuracy of text recognition. It includes a subtitle cleaning tool that applies custom mapping configurations to filter out watermarks, channel logos, and duplicate lines from the extracted text. The tool supports batch process

Gyroflow is a gyroscope video stabilization software and IMU telemetry processor designed to remove camera shake from video files. It functions as a hardware-accelerated video renderer and lens calibration tool, utilizing embedded or external gyroscope and accelerometer data to perform pixel-level stabilization. The system is distinguished by its ability to integrate with professional non-linear video editing software via plugins, allowing stabilization to be applied directly to timelines without transcoding original footage. It supports diverse telemetry ingestion from camera brands, flight

Backgroundremover is an AI-powered tool that removes backgrounds from both images and videos, accessible through a command-line interface and a Python API. At its core, it uses a pre-trained deep learning model to classify each pixel as foreground or background, producing a binary mask for removal. The tool distinguishes itself through multiple integration methods and output capabilities. It can process images and videos via Unix pipeline data streams, operate as an HTTP API server, or be called programmatically within Python scripts. Users can choose among different AI models to balance proc

MoneyPrinterPlus is an automated video production system designed for the mass creation of short-form AI content. It functions as an end-to-end pipeline that uses large language models to generate scripts, synthesize voiceovers, and produce visual assets to assemble complete videos. The project is distinguished by its ability to batch-process high volumes of unique content through automated mixing and randomized asset pairing. It includes a social media auto-publisher that uses browser simulation to automate the upload and distribution of generated videos to platforms such as TikTok and Xiaoh

Ceci est une application Windows pour la reconnaissance vocale automatique qui transcrit l'audio parlé à partir de fichiers vidéo en fichiers de sous-titres SRT horodatés. Elle sert de générateur de sous-titres et d'outil de traduction qui convertit la parole des médias en texte synchronisé. Le logiciel fonctionne comme un transcripteur de médias par lots, permettant le traitement simultané de plusieurs fichiers audio et vidéo pour générer des sous-titres en masse. Il inclut un workflow de traduction pour convertir les transcriptions entre différentes langues pour la création de fichiers bilingues ou localisés. Le système fournit également des capacités d'affinage de texte, utilisant des expressions régulières et des filtres personnalisés pour nettoyer les transcriptions en supprimant les mots de remplissage et les motifs indésirables. Ceci est supporté par une interface utilisateur graphique Windows native.

node-ytdl-core est une bibliothèque JavaScript pour Node.js conçue pour extraire des métadonnées et streamer du contenu vidéo et audio depuis YouTube. Elle sert de téléchargeur de médias et de fetcher de flux, permettant aux utilisateurs de récupérer les détails des vidéos et les données multimédias depuis des sources distantes. La bibliothèque fournit des capacités spécialisées pour l'extraction vidéo, notamment la capacité d'analyser les URL de médias pour des identifiants uniques et d'analyser les formats disponibles. Elle permet la sélection et le filtrage de flux vidéo et audio spécifiques en fonction de critères de qualité et de résolution. Le projet gère le trafic réseau via l'évitement des limites de débit et la gestion des cookies d'authentification. Il utilise des flux lisibles (readable streams) pour le piping de données et prend en charge les requêtes par plage d'octets pour récupérer des segments spécifiques de fichiers multimédias.

Automatic Optical Disc Ripping Server is a headless system that detects inserted CDs, DVDs, and Blu-rays to automatically extract media, transcode video, and eject discs. It functions as a multi-drive media digitizer using a concurrent processing pipeline to rip and transcode media from several optical drives simultaneously without queuing. The system includes an asynchronous video transcoding pipeline that batches conversion tasks to run during scheduled off-peak hours. It also serves as a media server automation tool, fetching metadata from online APIs to name folders and trigger library re

SmartSub est une application de bureau multiplateforme pour la transcription vidéo et la génération de sous-titres pilotée par l'IA. Elle convertit les fichiers audio et vidéo en sous-titres textuels à l'aide de modèles d'IA locaux et intègre une accélération matérielle pour augmenter la vitesse de traitement. L'outil dispose d'un traducteur de sous-titres qui exploite des grands modèles de langage, tels qu'OpenAI et DeepSeek, pour convertir les sous-titres entre différentes langues. Il inclut un éditeur visuel pour la relecture et le polissage du texte transcrit, couplé à un aperçu vidéo pour une synchronisation précise à l'image près. Le logiciel prend en charge le traitement par lots de plusieurs fichiers multimédias et fournit des utilitaires pour intégrer les sous-titres en tant que pistes souples commutables ou les graver définitivement dans les images vidéo. Il inclut également des systèmes pour gérer les fichiers de modèles de transcription et configurer les paramètres des services d'IA externes.

Squirrel-RIFE is a GPU-accelerated video processing tool that uses a neural network to generate intermediate frames between existing video frames, enabling smooth slow-motion effects and frame rate conversion. It is built around the RIFE (Real-Time Intermediate Flow Estimation) model, which analyzes motion between consecutive frames to predict and insert new frames, and leverages NVIDIA CUDA for parallel processing to achieve high-speed inference. The tool distinguishes itself by combining neural frame interpolation with practical video preprocessing features, including pixel-level duplicate

Short video factory is a local AI content generator and automated video editing tool. It provides a production pipeline that uses large language models to transform text prompts into marketing scripts and rendered short-form videos. The system is designed for local-first execution, running all processing and asset management on the host machine to maintain data privacy. It distinguishes itself through a batch-processing workflow that can sequentially execute copywriting and rendering for multiple items using predefined presets. The software covers a broad range of media capabilities, includi

ComfyUI-SeedVR2_VideoUpscaler is an AI video upscaling tool that uses diffusion models to increase the resolution of videos and images while maintaining visual consistency across frames. The project implements distributed video rendering by splitting datasets into chunks for parallel processing across multiple GPUs. It utilizes model compilation and specialized attention backends to reduce inference latency and increase throughput. Additional capabilities include video color correction using wavelet and LAB matching methods to preserve color fidelity. Hardware memory is managed through block

Ce projet est un framework de deep learning construit pour détecter et suivre les points clés du corps humain dans des images et des flux vidéo. Il fonctionne à la fois comme un système de suivi de mouvement en temps réel et comme un environnement de machine learning pour entraîner et évaluer des modèles d'estimation de pose. Le système utilise un réseau de neurones convolutif à deux branches pour prédire simultanément les emplacements des parties du corps et leurs connexions directionnelles. Il emploie un raffinement des caractéristiques multi-étapes pour améliorer la précision de la localisation des points clés et utilise des algorithmes d'analyse gloutonne et de correspondance bipartite pour associer les parties détectées en squelettes individuels. Pour maintenir les performances pendant l'analyse vidéo en direct, le framework exécute une inférence parallèle sur les régions de l'image en utilisant le traitement par lots basé sur des tenseurs. Au-delà du suivi en temps réel, la bibliothèque fournit des outils pour entraîner des modèles sur des jeux de données annotés et calculer la précision moyenne (mAP) par rapport à des benchmarks standardisés pour vérifier la qualité de la détection. Le dépôt inclut les composants nécessaires pour gérer l'intégralité du cycle de vie de l'estimation de pose, de l'entraînement initial du modèle à la validation des performances.