Ang Stable Video Diffusion ay ang unang foundational model para sa generative video batay sa image model na Stable Diffusion na inilabas ng Stability AI. Ito ay isang advanced na generative AI video model, na kumakatawan sa isang mahalagang hakbang patungo sa paglikha ng iba't ibang uri ng mga modelo para sa lahat. Ang Stable Video Diffusion ay maaaring umangkop sa iba't ibang mga downstream na gawain, kabilang ang multi-view synthesis mula sa isang imahe at fine-tuning sa multi-view na mga dataset. Ito ay inilabas sa dalawang uri ng image-to-video model, na may kakayahang gumawa ng 14 hanggang 25 na frames sa customizable na frame rates sa pagitan ng 3 hanggang 30 frames kada segundo. Ang Stable Video Diffusion ay bahagi ng serye ng iba't ibang open-source model ng Stability AI, na sumasaklaw sa imahe, wika, audio, 3D, at code, na nagpapakita ng pangako ng Stability AI sa pagpapahusay ng talino ng tao.
Ang code para sa Stable Video Diffusion ay ginawang magagamit na sa GitHub repository ng Stability AI. Dagdag pa rito, ang mga kinakailangang weights para patakbuhin ang modelo nang lokal ay maaaring ma-access sa pamamagitan ng kanilang Hugging Face page.
Ang video model ay madaling iakma sa isang hanay ng downstream na mga gawain, kabilang ang multi-view synthesis mula sa isang imahe na may fine-tuning sa multi-view na mga dataset. Plano ng Stability AI na bumuo ng iba't ibang mga modelo na itinataguyod at pinalalawak ang foundational na modelong ito.
Isang bagong web experience na may tampok na Text-To-Video interface ang binubuo. Ipinapakita ng tool na ito ang praktikal na aplikasyon ng Stable Video Diffusion sa mga sektor tulad ng Advertising, Edukasyon, Entertainment, at iba pa.
Ang Stable Video Diffusion ay magagamit sa dalawang uri ng image-to-video model, na may kakayahang lumikha ng 14 at 25 na mga frames sa mga pasadyang frame rates sa pagitan ng 3 at 30 frames kada segundo.
Ang modelo ay nasa yugto ng research preview at hindi pa nilalayon para sa mga aplikasyon sa totoong mundo o komersyal. Mahalaga ang mga pananaw at feedback sa kaligtasan at kalidad para sa pagpapabuti ng modelo para sa huli nitong paglabas.
Ito ay isang mahalagang karagdagan sa iba't ibang hanay ng mga open-source na modelo ng Stability AI, na sumasaklaw sa imahe, wika, audio, 3D, at code, na nagpapakita ng kanilang pangako sa pagpapalakas ng talino ng tao.