/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
5 фев 2024

stable-video-diffusion-img2vid-xt-1-1

Видео из изображенияИзображение, текст → видео3 профессии

Латентная диффузионная модель Stability AI, которая создаёт короткие видеоролики по исходному изображению.

9 170скачиваний за 30 дней30лайковвеса обновлены5 фев 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Stable Video Diffusion 1.1 Image-to-Video — диффузионная модель Stability AI для создания коротких видеоклипов по одному изображению. Это латентная диффузионная модель, дообученная на базе Stable Video Diffusion Image-to-Video для 25 кадров. Она генерирует до 25 кадров с разрешением 1024×576; обучение с фиксированными настройками на 6 кадрах в секунду и Motion Bucket ID 127 повышает согласованность результата. Эти параметры можно менять, но качество за пределами фиксированных настроек может отличаться от SVD 1.0.

Модель предназначена для экспериментов с генеративными моделями, создания художественных материалов, дизайна и творческих или образовательных инструментов. Она принимает изображение и выдаёт видео; управление текстовыми запросами не поддерживается. Видеоролики короткие — до четырёх секунд; возможны отсутствие движения или медленные панорамы, несовершенная фотореалистичность и ошибки в изображении лиц и людей. Модель не умеет создавать читаемый текст и не предназначена для достоверного изображения людей или событий. Лицензия указана как other; README рекомендует использовать модель только в исследовательских целях и соблюдать Acceptable Use Policy Stability AI.

Сценарии применения

  • создание короткой анимации по изображению
  • подготовка видеоматериалов для дизайна и иллюстраций
  • исследование генерации видео диффузионными моделями
  • создание творческих и образовательных прототипов

Ограничения

Генерируемые ролики короткие, могут не содержать заметного движения и не всегда выглядят фотореалистично; лица и люди могут получаться некорректно. Модель не принимает текстовое управление, не создаёт читаемый текст и не предназначена для достоверного изображения людей или событий.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Stable Video Diffusion 1.1 Image-to-Video Model Card

row01 Stable Video Diffusion (SVD) 1.1 Image-to-Video is a diffusion model that takes in a still image as a conditioning frame, and generates a video from it.

Model Details

Model Description

(SVD 1.1) Image-to-Video is a latent diffusion model trained to generate short video clips from an image conditioning.

This model was trained to generate 25 frames at resolution 1024x576 given a context frame of the same size, finetuned from SVD Image-to-Video [25 frames].

Fine tuning was performed with fixed conditioning at 6FPS and Motion Bucket Id 127 to improve the consistency of outputs without the need to adjust hyper parameters. These conditions are still adjustable and have not been removed. Performance outside of the fixed conditioning settings may vary compared to SVD 1.0.

  • Developed by: Stability AI
  • Funded by: Stability AI
  • Model type: Generative image-to-video model
  • Finetuned from model: SVD Image-to-Video [25 frames]

Model Sources

For research purposes, we recommend our generative-models Github repository (https://github.com/Stability-AI/generative-models), which implements the most popular diffusion frameworks (both training and inference).

Uses

Direct Use

The model is intended for research purposes only. Possible research areas and tasks include

  • Research on generative models.
  • Safe deployment of models which have the potential to generate harmful content.
  • Probing and understanding the limitations and biases of generative models.
  • Generation of artworks and use in design and other artistic processes.
  • Applications in educational or creative tools.

Excluded uses are described below.

Out-of-Scope Use

The model was not trained to be factual or true representations of people or events, and therefore using the model to generate such content is out-of-scope for the abilities of this model. The model should not be used in any way that violates Stability AI's Acceptable Use Policy.

Limitations and Bias

Limitations

  • The generated videos are rather short (<= 4sec), and the model does not achieve perfect photorealism.
  • The model may generate videos without motion, or very slow camera pans.
  • The model cannot be controlled through text.
  • The model cannot render legible text.
  • Faces and people in general may not be generated properly.
  • The autoencoding part of the model is lossy.

Recommendations

The model is intended for research purposes only.

How to Get Started with the Model

Check out https://github.com/Stability-AI/generative-models

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
365cd94

0 моделей