安定性AIがテキストから動画生成のための安定した動画拡散を発表

Decryptによると、Stability AI社は、高解像度のテキストからビデオ、画像からビデオへの生成用に設計されたテキストからビデオへのツール、Stable Video Diffusionのリリースを発表した。同社の研究論文では、広告、教育、娯楽などさまざまな用途に応用できる適応性とオープンソース技術が強調されている。Stable Video Diffusionは現在、研究用のプレビュー版として提供されており、画像ベースの手法をわずかな計算予算で凌駕するとしている。 Stability AIは、Stable Video Diffusionの傘下に2つのモデルを開発した：SVDとSVD-XTだ。SVDモデルは14フレームで静止画像を576x1024の動画に変換し、SVD-XTは同じアーキテクチャを使用しながら24フレームまで拡張する。両モデルとも、3～30フレーム/秒のフレームレートで動画を生成し、オープンソースのテキストから動画への変換技術の最先端を示している。Stable Video Diffusionは、急速に進化するAIビデオ生成分野において、Pika Labs、Runway、Metaの革新的なモデルと競合している。 技術的な成果にもかかわらず、Stability AIは、AIトレーニングにおける著作権保護されたデータの使用をめぐる倫理的配慮などの課題に直面している。同社は、このモデルは現段階では実世界や商業的な応用を意図したものではなく、コミュニティからのフィードバックや安全性への懸念に基づいて改良することに重点を置いていると強調している。