stable-video-diffusion-img2vid-xt-1-1
高性能图片转视频生成模型，支持1024x576像素视频制作
Stable Video Diffusion 1.1是Stability AI开发的图像生成视频AI模型，基于SVD Image-to-Video [25 frames]优化而来。它可将单张图片转换为25帧、1024x576分辨率的短视频，采用6FPS帧率和Motion Bucket Id 127参数，输出效果比1.0版本更稳定。该模型适用于艺术创作、教育等领域，支持非商业和商业用途。用户可通过Stability AI的generative-models仓库获取和使用该模型。
项目概述
Stable Video Diffusion 1.1 Image-to-Video(简称SVD 1.1)是由Stability AI公司开发的一款创新性图像转视频扩散模型。这个模型能够将一张静态图片转换成一段短视频，为创意表达和视觉内容创作提供了全新的可能。
核心功能
该模型可以根据输入的1024x576分辨率的图像，生成25帧的视频序列。它是在原有的SVD模型基础上经过改进和优化，通过固定6FPS的帧率和127的运动桶ID(Motion Bucket Id)参数，显著提升了输出结果的一致性和稳定性。
技术特点
- 采用潜在扩散模型(latent diffusion model)技术
- 支持高达1024x576的分辨率输出
- 固定优化的参数设置，确保稳定的生成效果
- 基于SVD Image-to-Video [25 frames]模型进行微调
- 保留可调节的条件参数，支持灵活配置
应用场景
- 学术研究：适用于生成模型相关研究
- 艺术创作：可用于设计和艺术创作过程
- 教育工具：支持教育领域的创意应用
- 创意开发：适合开发创新型创意工具
- 安全部署：用于研究和防范有害内容生成
使用限制
- 视频时长限制：生成视频最长不超过4秒
- 画面真实度：可能无法达到完全的照片级真实感
- 动作表现：某些情况下可能生成静止或极慢的画面
- 文字渲染：不支持清晰可读的文字生成
- 人物处理：人脸和人物生成效果可能不够理想
- 画质损失：在自动编码过程中可能存在一定程度的质量损失
许可说明
该模型支持非商业和商业用途。非商业用途可以根据Stability AI社区许可协议使用，商业用途需要通过stability.ai/license获取相应许可。使用时需要遵守Stability AI的可接受使用政策，不得用于生成虚假或具有误导性的内容。
开发支持
开发者可以通过Stability AI的generative-models GitHub仓库获取完整的开发资源，包括训练和推理框架的实现代码。该项目提供详细的技术文档和使用指南，方便开发者快速上手和深入研究。
后期发展
模型仍在持续优化和改进中，未来可能会在视频时长、画面质量、动作流畅度等方面得到进一步提升。开发团队欢迎社区反馈，共同推动技术进步。
编辑推荐精选
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号