Stable Diffusion官方终于进展到视频了——
发布生成式视频模型Stable Video Diffusion（SVD）。
▲ Introducing Stable Video Diffusion
Stability AI官方博客显示，全新SVD支持文字到视频、图像到视频的绘制：
并且还支持物体从单一视角到多视角的转化，也就是3D合成：
根据外部评估，官方宣称SVD甚至比runway和Pika的视频生成AI更受用户欢迎。
虽然目前只发表了基础模型，但官方透露「正计划继续扩充，建立类似于Stable Diffusion的生态系统」。
目前论文代码权重已上线。
最近视频生成领域不断出现新玩法，这次轮到Stable Diffusion出招，以至于网友们的第一反应就是「快」，进步太快！
但仅从Demo效果来说，更多网友们表示并没有感到很惊喜。
虽然我喜欢SD，而且这些Demo也很棒…… 但也存在一些缺陷，光影不对、而且整体不连贯（视频格与格之间闪烁）。
但整体来说这是个开始，网友对SVD的3D合成功能还满是看好：
我敢打赌，很快就会有更好的东西出来，到时候只要描述一下，就会得到一个完整的3D场景。
SD视频官方版来袭
除了上面展示的，官方还发表了更多Demo：
▲ 太空漫步
▲ 背景不动，只让两只鸟动也可以
SVD的研究论文目前也已发表，据介绍SVD基于Stable Diffusion 2.1，用约6亿个样本的视频资料集预训练了基础模型。
可轻松适应各种下游任务，包括通过对多视图数据集进行微调从单个图像进行多视图合成。
微调后，官方公布的是两种图像到视频模型，可以以每秒3到30影格之间的自定义画面播放速率生成14（SVD）和25影格（SVD-XT）的视频：
之后又微调了多视角视频生成模型，叫做SVD-MV：
根据测试结果，在GSO数据集上，SVD-MV得分优于多视角生成模型Zero123、Zero123XL、SyncDreamer：
值得一提的是，Stability AI表示SVD目前仅限于研究，不适用于实际或商业应用。 SVD目前也不是所有人都可以使用，但已开放用户候补名单注册。
视频生成大爆发
最近视频生成领域呈现出现「混战」的局面。
前有PikaLabs开发的文字生视频AI：
后又有号称史上最强大的视频生成AIMoonvalley推出：
最近Gen-2的「运动笔刷」功能也正式上线，指到哪画哪
现在SVD又出现了。
但文本到3D生成方面好像还没有太多进展，网友对这一现象也很是困惑。
有人认为数据是阻碍发展的瓶颈：
还有网友表示原因在于强化学习还不够强：
