Stability AI 推出 SVD 1.1：优化视频连贯性，生成 4 秒高清短片

用 AI 跑过图生视频的人，大概都经历过这种崩溃：输入一张精致的照片，满心期待一段电影级动态，结果画面里的人脸扭曲成一团，镜头慢得像卡死，甚至整张图根本纹丝不动。

针对这种「僵尸画面」，Stability AI 给自家的视频模型打了个补丁。他们正式上线了图像转视频模型的新版本 SVD 1.1。

作为 SVD-XT 的微调升级版，SVD 1.1 专门冲着动态表现和画面一致性而来。根据 Stability AI 首席技术官 Tom Mason 的介绍，新模型已经在 Hugging Face 开放下载，同时上线了开发者 API。

把默认参数焊死，治好 AI 视频的「面瘫」

回看 2023 年 11 月，Stability AI 首次推出了 SVD 和 SVD-XT 两款模型。当时的基础版 SVD 只能生成 4 秒、最多 14 帧的视频，微调版 SVD-XT 则把帧数拉到了 25 帧。

但老版本的毛病很明显。很多时候视频缺乏逼真感，镜头推拉缓慢无力，遇到人脸和人体时更是经常翻车变形。要调出好效果，用户得在各种复杂的参数里反复试错。

这次 SVD 1.1 走了一条相当务实的路线。它同样输出 1024x576 分辨率、25 帧的 4 秒片段，但官方在微调时把生成条件直接固定在了 6FPS 和运动桶编号 127。说白了，就是把最容易出好效果的参数组合做成了开箱即用，免去用户手动调整超参数的麻烦。

当然，这些参数并没有被锁死，想要自定义依然可以微调。不过官方在 Hugging Face 页面上也留了一句大实话：新模型在固定参数之外的表现可能会和老版本有所差异，原来的某些画面缺陷也依然可能出现。

在商业模式上，Stability AI 延续了之前的策略。模型对纯研究用途完全开源免费；但如果想用于商业项目，就得加入他们的会员体系，费用从每月 20 美元起步。

对于需要批量调用的团队，官方还把 SVD 放进了开发者平台的 API。接口支持 1024x576、768x768 以及 576x1024 等多种分辨率，除了 25 个原生生成帧外，还会通过插值算法补足到 24fps 的 MP4 视频，并且支持控制运动强度。

为什么重要

我们认为，SVD 1.1 最大的价值不在于技术架构有多大突破，而在于降低了工业化落地的工程门槛。

对开发者和中小团队来说，现在跑开源视频模型最头疼的不是硬件算力，而是良品率太低。几百次抽卡可能才有一条能用，商业落地的成本直接被拉爆。SVD 1.1 通过固定最优运动参数，让生成质量变得更可预测，值不值得试？如果你正在搭建自己的视频生成工作流，现在完全值得接入测试，毕竟在开源领域能跑通稳定动态的模型选择并不多。

在行业竞争层面，Stability AI 走出了一步和竞品截然不同的棋。像 Runway 正在大力推 Multi Motion Brush 局部笔刷，Pika 也在主打涂抹替换局部区域，两家在网页端的消费者体验上做得花哨且易用。但问题在于，Runway 和 Pika 始终把模型捂在自己的封闭网页里，不开放 API。

相比之下，Stability AI 看起来正在全力抢占管道生意。它不仅把权重开源给社区，还同步提供 API 接口。这意味着任何想做 AI 视频应用的第三方软件，都可以随时把 Stability 的能力接进自己的后台，而不是去帮 Runway 或 Pika 导流。

不过隐患也显而易见。SVD 1.1 依然只能生成 4 秒短视频，本质上还是个研究向的模型。随着视频生成领域的战火向更长时长、更复杂交互蔓延，光靠在老模型上修修补补，很难长期挡住对手闭源全家桶的围剿。