ViMax：多智能体全流程视频生成框架

项目简介

ViMax 是 HKUDS（香港大学数据科学实验室）开源的多智能体视频生成框架，将导演、编剧、制片人和视频生成器整合为一体，实现从创意到成片的全流程自动化视频制作。

核心功能

模块	说明
Idea2Video	输入创意想法，自动生成完整视频故事
Novel2Video	智能文学改编，将小说转化为分集视频内容
Script2Video	任意剧本生成视频，完全掌控叙事细节
AutoCameo	上传照片即可让本人/宠物作为角色客串视频

技术亮点

能力	说明
长脚本生成	基于 RAG 的长脚本设计引擎，自动分段多场景脚本
故事板设计	镜头级故事板系统，通过电影语言建立叙事节奏
多机位模拟	模拟多机位拍摄，保持角色定位与背景一致
智能参考图	自动选择首帧参考图，确保多角色和环境元素准确
一致性校验	并行生成多张图像，通过 MLLM/VLM 筛选最优一致帧
并行生成	同机位连续镜头并行处理，高效产出

支持模型

• Chat 模型：Google Gemini、MiniMax（M2.7 / M2.5，兼容 OpenAI API）
• 图像生成：Nanobanana、Google API
• 视频生成：Veo（Google API）

适用场景

• AI 短视频/微电影创作
• 小说/故事可视化改编
• 个人照片视频化（AutoCameo）
• 快速视频原型制作

Stars

4.4k Stars，Python 实现，活跃维护中