Stability AI 发布 Stable Video Diffusion：开源图生视频基础模型

Stable Video Diffusion 是 Stability AI 推出的首款生成式视频基础模型，能把单张静态图片直接变成连贯的短视频。

它建立在之前的图片生成模型 Stable Diffusion 基础之上。这次官方直接把代码和模型权重端了出来，目标就是把开源生态从文生图一路推向动态视频。

它能做什么

这次发布的 Stable Video Diffusion 包含两款图生视频（Image-to-Video）模型，主要区别在生成的帧数上。

一款模型可以生成 14 帧视频，另一款可以生成 25 帧。视频的帧率支持自定义调节，范围在每秒 3 帧到 30 帧之间。

按照官方公布的外部评测数据，在以基础形态进行的盲测偏好研究中，这两款模型的生成效果超过了目前主流的闭源商业模型。

除了常规的让静止画面动起来，它还具备很强的下游任务适配能力。比如只要在多视角数据集上进行微调，它就能做到输入一张单图，直接生成物体的多视角环视视频，这对 3D 内容生成非常有用。

开放程度与限制

目前 Stable Video Diffusion 已经开放了代码仓库和模型权重。代码可以在 GitHub 上获取，本地运行所需的权重文件也已经托管到了 Hugging Face。

想要了解更深入的技术细节，官方也同步放出了对应的研究论文。

如果你暂时没有部署本地显卡的条件，Stability AI 同时也开放了一个候补名单，后续会推出带文本生视频界面的网页体验，主打广告、教育和娱乐等落地场景。

但这里有一个硬性门槛：这次发布明确标为「研究预览」（Research Preview）。

官方特别强调，现阶段的模型只用于研究和测试，收集关于安全性和质量的反馈，严禁直接用于实际商业项目或生产环境。

为什么重要

视频生成领域此前几乎全被闭源产品垄断，创作者只能按月付费、在黑盒里排队抽卡。

Stable Video Diffusion 最直接的价值，是给开源社区送来了一颗真正的视频底层种子。对于开发者和算法研究者来说，现在就可以下载权重，在本地研究如何微调、做下游适配或者搭建插件工作流。

虽然 14 帧到 25 帧的长度换算下来只有短短几秒，且暂时不能商用，但回想当年 Stable Diffusion 早期对整个设计生态的冲击，开源视频底模的开放很可能会在未来几个月催生出大量专门工具和微调方案。

如果你是追求商用成片的内容团队，现在还不用急着换工作流；但如果你是想跑通本地视频生成管线的开发者或极客，现在已经可以去 Hugging Face 抓下权重跑起来了。