作者：小巖

隨著技術(shù)的不斷進(jìn)步，AI領(lǐng)域取得了巨大的突破。特別是在圖片生成這個(gè)賽道，AI目前能做到的成績(jī)超乎想象�；蛟S就在1年以前，很多人，特別是一些專業(yè)從業(yè)者對(duì)AI繪畫的印象還停留在“元素要靠東拼西湊”“廢圖率太高”“成品無法直接使用”等方面，但如今，高質(zhì)量AI繪圖軟件的表現(xiàn)完全可以顛覆你的固有認(rèn)知。

而Stable Diffusion便是其中的典型代表。用Stable Diffusion完成的AI繪圖，不僅能夠精準(zhǔn)地呈現(xiàn)人體姿態(tài)和畫面層次感，還擁有復(fù)雜的三維結(jié)構(gòu)，更支持用戶對(duì)圖片細(xì)節(jié)進(jìn)行調(diào)整。

如今，Stable Diffusion的官方Stability AI走得更遠(yuǎn)了。不僅在AI繪畫領(lǐng)域表現(xiàn)優(yōu)秀，還推出了Stable Video Diffusion，這款技術(shù)不僅具有強(qiáng)大的3D合成功能，更可以為視頻制作帶來巨大的變革。也就是說，它的出現(xiàn)大大降低了視頻拍攝的門檻，讓普通人也可以輕松拍大片。

什么是Stable Video Diffusion？

Stable Video Diffusion是一種先進(jìn)的視頻合成技術(shù)，它能夠?qū)⒄鎸?shí)場(chǎng)景與虛擬物體完美地融合在一起，呈現(xiàn)出非常逼真的效果。這種技術(shù)可以應(yīng)用于電影制作，游戲開發(fā)，廣告創(chuàng)意等多個(gè)領(lǐng)域，從而為視頻制作帶來更多的可能性和創(chuàng)造性。

與傳統(tǒng)的視頻合成技術(shù)相比，Stable Video Diffusion最大的優(yōu)勢(shì)顯然是物美價(jià)廉。先說“物美”，因?yàn)锳I軟件本身采用了深度學(xué)習(xí)的方法，對(duì)大量數(shù)據(jù)進(jìn)行訓(xùn)練，使得合成的視頻更加真實(shí)，自然。同時(shí)，這一AI技術(shù)還可以實(shí)現(xiàn)對(duì)細(xì)節(jié)的完美還原，例如物體的紋理、光線和陰影等等，可以說是十分逼真。再來說“價(jià)廉”，以前需要耗費(fèi)大量人力物力來完成的視頻制作工作，如今可能只需要通過Stable Video Diffusion就可以了，這就大大降低了成本。

Stable Video Diffusion的另一個(gè)重要特點(diǎn)是能夠?qū)崿F(xiàn)3D合成。通過這項(xiàng)技術(shù)，制作人員可以創(chuàng)建出各種神奇的場(chǎng)景和效果，例如將現(xiàn)實(shí)中的物體搬到虛擬場(chǎng)景中，或者將多個(gè)虛擬物體組合在一起。這為電影制作帶來了更多的創(chuàng)意空間和可能性。

除了電影制作和游戲開發(fā)外，Stable Video Diffusion還很有可能在廣告創(chuàng)意領(lǐng)域發(fā)揮重要的作用。廣告商可以利用這項(xiàng)技術(shù)創(chuàng)造出各種獨(dú)特的場(chǎng)景和效果，吸引消費(fèi)者的注意力。

3D合成引發(fā)關(guān)注，網(wǎng)友紛紛表示：進(jìn)步太快！

根據(jù)Stable Video Diffusion官方網(wǎng)站Stability AI顯示的信息，全新SVD（簡(jiǎn)稱）支持文本到視頻，圖像到視頻的生成；支持物體從單一視角到多視角的轉(zhuǎn)化，也就是大家所期待的3D合成。

盡管Stable Video Diffusion目前只是發(fā)布了基礎(chǔ)模型，但已經(jīng)受到了外界的廣泛關(guān)注和好評(píng)，網(wǎng)友們普遍表示“進(jìn)步太快”。官方透露，“正計(jì)劃繼續(xù)擴(kuò)展，建立類似于Stable Diffusion的生態(tài)系統(tǒng)”。不過，對(duì)于官方發(fā)布的Demo，很多網(wǎng)友并不覺得有多驚艷，甚至認(rèn)為其中存在缺陷，諸如光影不對(duì)；幀與幀之間有閃爍等等。

以下就是官方所發(fā)布的Demo，大家自行感受一下。

目前，Stable Video Diffusion的論文代碼權(quán)重已經(jīng)上線。根據(jù)介紹，SVD基于Stable Diffusion 2.1，使用了約6億個(gè)樣本的視頻數(shù)據(jù)集預(yù)訓(xùn)練了基礎(chǔ)模型。它可以輕松適應(yīng)各種下游任務(wù)，包括通過對(duì)多視圖數(shù)據(jù)集進(jìn)行微調(diào)從單個(gè)圖像進(jìn)行多視圖合成。

需要說明的是，Stability AI官方明確表示，Stable Video Diffusion僅限于研究，不適用于實(shí)際或商業(yè)應(yīng)用。所以，它還不具備被大規(guī)模應(yīng)用的條件。不過，官方已經(jīng)開放了用戶候補(bǔ)名單注冊(cè)，這意味著我們普通小白也可以使用上這項(xiàng)技術(shù)，過一過“一鍵拍大片”的癮。?

視頻生成迎來大爆發(fā)，誰會(huì)成為最后的贏家？

最近一段時(shí)間，視頻生成領(lǐng)域呈現(xiàn)出一種“混戰(zhàn)”的局面，各種優(yōu)秀產(chǎn)品冒頭，大有百家爭(zhēng)鳴的勢(shì)頭。

前有PikaLabs開發(fā)的文生視頻AI。

之后Moonvalley推出了自己的作品，它素有“史上最強(qiáng)大的視頻生成AI”。

最近Gen-2的推出了“運(yùn)動(dòng)筆刷”功能，輕松實(shí)現(xiàn)“指哪畫哪”。

再加上如今驚艷亮相的Stable Video Diffusion，我們可以預(yù)見，AI視頻生成領(lǐng)域競(jìng)爭(zhēng)十分領(lǐng)域，大家卷的如火如荼，很難說誰會(huì)成為最后的贏家。

視頻生成領(lǐng)域隸屬于生成式AI技術(shù)的范疇。隨著AI技術(shù)的不斷發(fā)展，生成式AI行業(yè)正在逐漸崛起。目前，該行業(yè)處于高速發(fā)展的階段，市場(chǎng)規(guī)模不斷擴(kuò)大，預(yù)計(jì)未來依舊會(huì)繼續(xù)保持快速增長的速度。根據(jù)市場(chǎng)研究機(jī)構(gòu)的數(shù)據(jù)顯示，預(yù)計(jì)到2029年，行業(yè)的市場(chǎng)規(guī)模將達(dá)到100億美元。

這會(huì)是一塊肉眼可見的，極其美味的大蛋糕。

       原文標(biāo)題 : 新火種AI | Stable Video Diffusion來了！普通人拍大片指日可待