pipeline_tag: 图像生成视频 license: 其他 license_name: stable-video-diffusion-nc-community license_link: 许可证

稳定视频扩散图像转视频模型卡

稳定视频扩散（SVD）图像转视频是一种扩散模型，以静态图像作为条件帧，并从中生成视频。

模型详情

模型描述

（SVD）图像转视频是一种潜在扩散模型，训练用于从条件图像生成短视频片段。
该模型基于SVD图像转视频[14帧]微调，能够以576x1024分辨率生成25帧视频，输入为相同尺寸的上下文帧。
我们还微调了广泛使用的f8解码器以提升时间一致性。
为方便使用，我们额外提供了标准逐帧解码器版本此处。

• 开发方: Stability AI
• 资助方: Stability AI
• 模型类型: 生成式图像转视频模型
• 微调基础模型: SVD图像转视频[14帧]

模型来源

研究用途推荐我们的generative-models GitHub仓库(https://github.com/Stability-AI/generative-models)，
该仓库实现了最流行的扩散框架（包含训练和推理）。

• 代码库: https://github.com/Stability-AI/generative-models
• 论文: https://stability.ai/research/stable-video-diffusion-scaling-latent-video-diffusion-models-to-large-datasets

评估

上图展示了用户对SVD图像转视频与GEN-2、PikaLabs的偏好对比。
在视频质量方面，SVD图像转视频获得了更多人机投票的青睐。用户研究细节详见研究论文。

用途

直接使用

本模型仅限研究用途，适用领域包括：

• 生成模型研究
• 可能产生有害内容模型的安全部署
• 探究生成模型的局限性和偏差
• 艺术创作及设计应用
• 教育或创意工具开发

禁止用途如下所述。

非适用场景

本模型未针对人物或事件的真实呈现进行训练，
因此生成此类内容超出模型能力范围。
禁止以任何形式违反Stability AI可接受使用政策的行为。

局限性与偏差

局限性

• 生成视频较短（≤4秒），且未达到完美逼真效果
• 可能生成无动态或缓慢平移的视频
• 不支持文本控制生成
• 无法呈现可读文本
• 人脸及人物生成可能不准确
• 模型的自动编码部分存在信息损失

使用建议

建议仅将本模型用于研究目的。

快速开始

访问 https://github.com/Stability-AI/generative-models 获取指南