# Vimoo

> Видео из текста и картинки: открытая модель с кинематографичным уклоном

Открытое семейство моделей для генерации видео по тексту и изображению: T2V, I2V, e-commerce ролики 20 секунд, локальный запуск через Diffusers, ComfyUI и MLX.

- Что делает: генерирует видео по тексту и изображению
- Категории: Opensource, Инструменты разработчика, Создание видео
- Бизнес-модель: Бесплатно
- Ограничения: Открытая версия выдаёт 720p, 1080p доступен только через Enhancer API
- Модели: Vimoo 1.0 - Lite
- Сайт сервиса: https://github.com/Vimoo-AI/Vimoo-1.0
- Карточка в каталоге: https://ailibri.com/vimoo
- Обновлено: 2026-11-08

## Описание

Vimoo 1.0 — семейство моделей генерации видео по тексту и изображению на базе dual-stream MMDiT. Репозиторий предоставляет примеры инференса на Python, а онлайн-API охватывает сценарии text-to-video, image-to-video и e-commerce. Полная система состоит из трёх модулей: Vimoo-PE уточняет мультимодальные инструкции, Vimoo-Base генерирует видео 720p, Vimoo-Enhancer повышает результат до 1080p с исправлением дефектов внешности и движения.
API-сценарий Vimoo-1.0 Text-to-Video превращает текстовые описания сцен, историй, движений камеры и настроения в кинематографичное сюжетное видео и поддерживает ролики длительностью 5 секунд в 720P. API-сценарий Image-to-Video анимирует изображения по референсам и текстовым описаниям эмоций, сюжета и движений камеры, сохраняя вид референса и согласованность субъекта. API Vimoo-1.0-Ecom создаёт e-commerce-видео по референсам товара: можно объединить от 1 до 9 изображений с необязательными заголовками, описаниями и преимуществами и получить ролик 20 секунд, 9:16, 720P для витрин и промо. API Vimoo-1.0-Lite генерирует видео по текстовому промпту с необязательным изображением первого кадра, отдавая приоритет скорости, и выдаёт 5-секундное видео 720p.
В открытом виде выложен Vimoo-Base для проверки выхода 720p, а высокодетальный 1080p получается отдельным вызовом Enhancer API. Облегчённый вариант Vimoo 1.0 - Lite выполняет и text-to-video, и image-to-video одной моделью и рассчитан на более быстрый инференс. Для Diffusers есть Vimoo 1.0 T2V и I2V, а также Lite TI2V; для ComfyUI — T2V, I2V и их Distilled-версии, а также Lite TI2V и TI2V Distilled; для MLX на Apple Silicon — Lite TI2V Distilled.

- Генерация видео по текстовому описанию сцены, истории и движения камеры.

- Анимация изображений с сохранением вида референса и согласованности субъекта.

- Создание 20-секундных товарных роликов из 1–9 изображений с заголовками и описаниями.

- Облегчённая модель Lite для text-to-video и image-to-video с приоритетом скорости.

- Локальный запуск через Diffusers, ComfyUI и MLX, включая Apple Silicon.

- Открытые веса и код под Apache License 2.0, коммерческое использование разрешено.

Код, веса моделей и официальные адаптеры доступны бесплатно на условиях Apache License 2.0, коммерческое использование разрешено. Текущие открытые модели проверены только на английских промптах, поэтому промпты на других языках рекомендуется переводить.

## Похожие сервисы в каталоге

- [Remotion Agent Skills](https://ailibri.com/remotion-agent-skills): Набор Agent Skills от команды Remotion: слэш-команды для Claude Code, Codex, Kimi Code и Cursor. Установка одной командой npx skills add remotion-dev/skills.
- [LongLive-2.0](https://ailibri.com/longlive-2-0): LongLive-2.0 — инфраструктура NVIDIA для генерации длинных видео с технологиями NVFP4, параллельным обучением Balanced SP и ускоренным инференсом через W4A4.
- [OmniShow](https://ailibri.com/omnishow): OmniShow - модель ByteDance для генерации видео с взаимодействием человека и объектов. Поддерживает текст, изображения, аудио и позы в едином фреймворке.
- [OmniWeaving](https://ailibri.com/omniweaving): OmniWeaving - инструмент для унифицированной генерации видео с композицией произвольной формы и рассуждениями. Основан на HunyuanVideo-1.5 от Tencent Hunyuan.
- [Lumos-Custom](https://ailibri.com/lumos-custom): Lumos-Custom - открытый исследовательский проект для кастомизации видео: персонализация нескольких субъектов, настройка освещения и атрибутов в генерируемых вид
- [OmniForcing](https://ailibri.com/omniforcing): OmniForcing преобразует двунаправленную аудиовизуальную диффузионную модель в потоковый авторегрессивный генератор для совместной генерации аудио и видео в реал

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com