Stability AI 推出 SVD 1.1：最佳化影片連貫性，生成 4 秒高畫質短片

用 AI 跑過圖生影片的人，大概都經歷過這種崩潰：輸入一張精緻的照片，滿心期待一段電影級動態，結果畫面裡的人臉扭曲成一團，鏡頭慢得像卡死，甚至整張圖根本紋絲不動。

針對這種「殭屍畫面」，Stability AI 給自家的影片模型打了個補丁。他們正式上線了影像轉影片模型的新版本 SVD 1.1。

作為 SVD-XT 的微調升級版，SVD 1.1 專門衝著動態表現和畫面一致性而來。根據 Stability AI 技術長 Tom Mason 的介紹，新模型已經在 Hugging Face 開放下載，同時上線了開發者 API。

把預設引數焊死，治好 AI 影片的「面癱」

回看 2023 年 11 月，Stability AI 首次推出了 SVD 和 SVD-XT 兩款模型。當時的基礎版 SVD 只能生成 4 秒、最多 14 幀的影片，微調版 SVD-XT 則把幀數拉到了 25 幀。

但老版本的毛病很明顯。很多時候影片缺乏逼真感，鏡頭推拉緩慢無力，遇到人臉和人體時更是經常翻車變形。要調出好效果，使用者得在各種複雜的引數裡反覆試錯。

這次 SVD 1.1 走了一條相當務實的路線。它同樣輸出 1024x576 解析度、25 幀的 4 秒片段，但官方在微調時把生成條件直接固定在了 6FPS 和運動桶編號 127。說白了，就是把最容易出好效果的引數組合做成了開箱即用，免去使用者手動調整超引數的麻煩。

當然，這些引數並沒有被鎖死，想要自定義依然可以微調。不過官方在 Hugging Face 頁面上也留了一句大實話：新模型在固定引數之外的表現可能會和老版本有所差異，原來的某些畫面缺陷也依然可能出現。

在商業模式上，Stability AI 延續了之前的策略。模型對純研究用途完全開源免費；但如果想用於商業專案，就得加入他們的會員體系，費用從每月 20 美元起步。

對於需要批次呼叫的團隊，官方還把 SVD 放進了開發者平臺的 API。介面支援 1024x576、768x768 以及 576x1024 等多種解析度，除了 25 個原生生成幀外，還會通過插值演算法補足到 24fps 的 MP4 影片，並且支援控制運動強度。

為什麼重要

我們認為，SVD 1.1 最大的價值不在於技術架構有多大突破，而在於降低了工業化落地的工程門檻。

對開發者和中小團隊來說，現在跑開源影片模型最頭疼的不是硬體算力，而是良品率太低。幾百次抽卡可能才有一條能用，商業落地的成本直接被拉爆。SVD 1.1 通過固定最優運動引數，讓生成質量變得更可預測，值不值得試？如果你正在搭建自己的影片生成工作流，現在完全值得接入測試，畢竟在開源領域能跑通穩定動態的模型選擇並不多。

在行業競爭層面，Stability AI 走出了一步和競品截然不同的棋。像 Runway 正在大力推 Multi Motion Brush 區域性筆刷，Pika 也在主打塗抹替換區域性區域，兩家在網頁端的消費者體驗上做得花哨且易用。但問題在於，Runway 和 Pika 始終把模型捂在自己的封閉網頁裡，不開放 API。

相比之下，Stability AI 看起來正在全力搶佔管道生意。它不僅把權重開源給社群，還同步提供 API 介面。這意味著任何想做 AI 影片應用的第三方軟體，都可以隨時把 Stability 的能力接進自己的後臺，而不是去幫 Runway 或 Pika 導流。

不過隱患也顯而易見。SVD 1.1 依然只能生成 4 秒短影片，本質上還是個研究向的模型。隨著影片生成領域的戰火向更長時長、更復雜互動蔓延，光靠在老模型上修修補補，很難長期擋住對手閉源全家桶的圍剿。