Stability AI 推出用于文本到视频生成的稳定视频扩散技术

据 Decrypt 报道，Stability AI 公司宣布发布 Stable Video Diffusion，这是一款文本到视频工具，专为高分辨率文本到视频和图像到视频生成而设计。该公司的研究论文强调了它的适应性和开源技术，可用于广告、教育和娱乐等领域。Stable Video Diffusion 目前处于研究预览阶段，据称其性能优于基于图像的方法，而计算预算仅为这些方法的一小部分。 Stability AI 在 Stable Video Diffusion 旗下开发了两种模型：SVD 和 SVD-XT。SVD 模型在 14 帧内将静态图像转换为 576x1024 视频，而 SVD-XT 使用相同的架构，但扩展到 24 帧。这两个模型都能以每秒 3 到 30 帧的帧速率生成视频，展示了开源文本到视频技术的最前沿。在快速发展的人工智能视频生成领域，Stable Video Diffusion 与 Pika Labs、Runway 和 Meta 的创新模型展开了竞争。 尽管取得了技术上的成就，但 Stability AI 也面临着挑战，包括在人工智能训练中使用受版权保护数据的道德问题。该公司强调，现阶段该模型并不打算用于现实世界或商业应用，而是专注于根据社区反馈和安全问题对其进行改进。