尽管OpenAI的动荡占据媒体头条，其他AI初创公司仍在稳步推进产品路线图。Stability AI于今日下午宣布推出Stable Video Diffusion，这是一款通过动画化现有图像生成视频的AI模型。
作为少数开源可用的视频生成模型之一，Stable Video Diffusion基于现有的Stable Diffusion文生图模型构建，在商业领域同样开放。但需注意，该模型目前处于“研究预览”阶段，用户须同意使用条款，明确其预期用途（如教育、创意设计）及非预期用途（如真实人物或事件的呈现）。
鉴于过往AI研究预览常在暗网流传，且该模型未内置内容过滤器，存在被滥用于制作深度伪造等恶意内容的风险。正如Stable Diffusion发布后曾被用于生成非自愿色情内容一样，这一隐患不容忽视。
模型规格与训练数据
Stable Video Diffusion包含两个版本：
- SVD：将静态图像转换为576×1024分辨率、14帧的视频；
- SVD-XT：架构相同，帧数提升至24帧。
两者均支持每秒3至30帧输出。据白皮书披露，模型先在数百万视频数据集上预训练，再在数十万至一百万片段上微调。由于数据来源未完全公开（部分来自公共研究数据集），若涉及受版权保护内容，可能引发法律与伦理争议。
生成效果与局限性
尽管尚处早期，SVD和SVD-XT生成的四秒短片质量较高，样本表现可与Meta、Google、Runway及Pika Labs的产品相媲美。但Stability也坦承当前局限：无法生成无运动或慢平移镜头、不支持文本控制、难以清晰渲染文字，且面部与人物生成稳定性不足。
不过，模型具备较强可扩展性，未来可适配物体360度视图等场景。Stability计划推出更多衍生模型及网页端“文生视频”工具，目标覆盖广告、教育、娱乐等领域，加速商业化进程。
公司运营压力加剧
投资者施压下，Stability正全力打造爆款产品。今年4月Semafor报道其现金流紧张，需引入高管提振销售；《福布斯》亦指出公司多次延迟甚至拖欠薪资及税款，导致AWS威胁暂停GPU实例访问权限。
近期，Stability通过可转换票据筹集2500万美元，总融资额超1.25亿美元，但未完成新一轮高估值融资（上次估值为10亿美元）。尽管收入低迷、烧钱率高，公司仍计划在未来数月将估值提升四倍。
此外，音频副总裁Ed Newton-Rex在任职仅一年后离职。他在公开信中表示，因在版权数据使用问题上与公司存在根本分歧而离开，此前他曾主导音乐生成工具Stable Audio的开发。