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

Aceasta este o aplicație Windows pentru recunoașterea automată a vorbirii care transcrie audio-ul vorbit din fișiere video în fișiere de subtitrare SRT cu timestamp. Servește ca un generator de subtitrări și instrument de traducere care convertește vorbirea media în text sincronizat. Software-ul funcționează ca un transcriitor media batch, permițând procesarea simultană a mai multor fișiere audio și video pentru a genera subtitrări în masă. Include un flux de lucru de traducere pentru a converti transcrierile între diferite limbi pentru crearea de fișiere bilingve sau localizate. Sistemul oferă, de asemenea, capabilități de rafinare a textului, folosind expresii regulate și filtre personalizate pentru a curăța transcrierile prin eliminarea cuvintelor de umplutură și a tiparelor nedorite. Acest lucru este susținut de o interfață grafică nativă Windows.

node-ytdl-core este o bibliotecă JavaScript pentru Node.js concepută pentru a extrage metadate și a face streaming de conținut video și audio de pe YouTube. Servește ca un downloader media și fetcher de stream-uri, permițând utilizatorilor să preia detalii video și date media din surse remote. Biblioteca oferă capabilități specializate pentru extracția video, inclusiv capacitatea de a parsa URL-urile media pentru identificatori unici și de a analiza formatele disponibile. Permite selectarea și filtrarea fluxurilor video și audio specifice pe baza criteriilor de calitate și rezoluție. Proiectul gestionează traficul de rețea prin evitarea limitelor de rată și gestionarea cookie-urilor de autentificare. Utilizează fluxuri lizibile (readable streams) pentru piping-ul datelor și suportă cereri de tip byte-range pentru a prelua segmente specifice ale fișierelor media.

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 este o aplicație desktop cross-platform pentru transcrierea video bazată pe AI și generarea de subtitrări. Aceasta convertește fișierele audio și video în subtitrări text folosind modele AI locale și încorporează accelerare hardware pentru a crește viteza de procesare. Instrumentul dispune de un traducător de subtitrări care utilizează modele de limbaj mari (LLM), cum ar fi OpenAI și DeepSeek, pentru a converti subtitrările între diferite limbi. Include un editor vizual pentru corectarea și finisarea textului transcris, cuplat cu o previzualizare video pentru sincronizare precisă la nivel de cadru. Software-ul suportă procesarea în lot (batch) a mai multor fișiere media și oferă utilitare pentru încorporarea subtitrărilor ca track-uri soft comutabile sau arderea lor permanentă în cadrele video. Include, de asemenea, sisteme pentru gestionarea fișierelor de model de transcriere și configurarea parametrilor serviciilor AI externe.

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

Acest proiect este un framework de deep learning construit pentru detectarea și urmărirea punctelor cheie ale corpului uman în imagini și fluxuri video. Acesta funcționează atât ca un sistem de urmărire a mișcării în timp real, cât și ca un mediu de machine learning pentru antrenarea și evaluarea modelelor de estimare a posturii. Sistemul utilizează o rețea neuronală convoluțională cu două ramuri pentru a prezice simultan locațiile părților corpului și conexiunile lor direcționale. Folosește rafinarea caracteristicilor în mai multe etape pentru a îmbunătăți acuratețea localizării punctelor cheie și utilizează algoritmi de parsare greedy și potrivire bipartită pentru a asocia părțile detectate în schelete individuale. Pentru a menține performanța în timpul analizei video live, framework-ul execută inferența paralelă pe regiuni ale imaginii folosind procesarea batch bazată pe tensori. Dincolo de urmărirea în timp real, biblioteca oferă instrumente pentru antrenarea modelelor pe seturi de date adnotate și calcularea preciziei medii (mAP) față de benchmark-uri standardizate pentru a verifica calitatea detecției. Repository-ul include componentele necesare pentru a gestiona întregul ciclu de viață al estimării posturii, de la antrenarea inițială a modelului până la validarea performanței.