01/構図から始める
画像条件付き動画生成
ショットに含まれるものを画像で定義しましょう。
元の画像で、被写体、素材、照明、舞台を示します。浅い湿地に立つ白サギは明確な見た目の基準となり、水面の波紋や反射に動きの余地があります。画面が動き始めても、主要な被写体が認識しやすい画像を選びます。複数の静止画から長い映像を作る場合は、 写真のスライドショー で、選んだ画像をつなげられます。
初期のSVDとSVD-XTのチェックポイントは画像を生成条件とし、テキストによる指示は受け付けません。
Stable Video Diffusionは、Stability AIの画像から動画を生成するモデル群です。公開されたSVDのチェックポイントは、1枚の画像から短い動画を生成します。写真家、デザイナー、開発者が、既存の構図を基に動きを試せます。
SVD は引き続きセルフホスティングに利用できます。 Stability AI がホストする SVD API は、2025 年 7 月 24 日に終了しました。

静止画がシーンを確立します
SVD および SVD-XT チェックポイント
モデルの重みと参照コードを公開
01/構図から始める
ショットに含まれるものを画像で定義しましょう。
元の画像で、被写体、素材、照明、舞台を示します。浅い湿地に立つ白サギは明確な見た目の基準となり、水面の波紋や反射に動きの余地があります。画面が動き始めても、主要な被写体が認識しやすい画像を選びます。複数の静止画から長い映像を作る場合は、 写真のスライドショー で、選んだ画像をつなげられます。
初期のSVDとSVD-XTのチェックポイントは画像を生成条件とし、テキストによる指示は受け付けません。
02 / 動きと奥行き
1 つの設定を変更して、シーケンスを比較します。
参照実装のサンプラーでは、フレームレートの条件、motion bucket、条件画像への拡張処理、乱数シードを設定できます。同じ画像から異なる結果を試すための制御です。建築物のシーンでは、見かけのカメラ移動だけでなく、階段の縁や手すりも注意深く確認します。
motion bucketは、生成する動きの条件を調整します。特定のパン、回り込み、カメラの経路を指定する命令ではありません。
03 / SVDとSVD-XT
動きに読み取れる十分なフレームを与えます。
SVDは14フレーム、SVD-XTは25フレームを生成します。どちらも1024 × 576ピクセルで学習されています。商品を映す場合は、長い方の結果がボトルの形を保ちつつ、反射や背景の動きを効果的に展開しているか比較します。 製品発表ビデオ では、選んだショットを基に、明確な始まりと終わりを組み立てられます。
フレーム数と再生速度は連動します。同じ映像でも、書き出すfpsを変えると再生時間が変わります。
元のチェックポイントは同じ画像サイズを共有しますが、生成されるフレーム数が異なります。
入力
静止画1枚画像は視覚的なコンテンツを確立します。
画像サイズ
1024 × 576リリースされたチェックポイントの幅×高さ。
シーケンス
14/25フレームそれぞれSVD/SVD-XT。
タイミング
設定可能なfps再生速度によってクリップの長さが決まります。
初期の短い映像と、フレーム数を増やしたバリエーションから選びます。
| 比較項目 | SVD | SVD-XT |
|---|---|---|
| 生成されたフレーム | 14 | 25 |
| トレーニング画像のサイズ | 1024 × 576 | 1024 × 576 |
| 生成条件 | 単一の画像 | 単一の画像 |
| テキストプロンプトコントロール | サポートされていません | サポートされていません |
| 関係性 | 元の画像からビデオへのチェックポイント | SVD からより多くのフレームに合わせて微調整 |
| 現実的な選択 | 短いモーションサンプル | ムーブメントを発展させるためのさらなるフレーム |
連続する画像、商品の物語、映像の雰囲気作りに使えるPexo Createの制作方法を紹介します。
明確な構図から始め、生成結果全体の動きを確認します。 映画のような動画では、映像が展開しても光と構図を統一します。

01
木製ボートを桟橋から離し、船体の周囲に目に見える湖水を十分に残しておきます。
02
1 つのサンプリング設定を変更する間、イメージとシードを一定に保ちます。希望するバージョンの設定を記録します。
03
船体、オール、湖の反射の変化を探してください。サウンド、タイトル、その他のショットを追加する前に、使用可能なセクションを選択してください。
Stable Video Diffusionは、Stability AIの動画拡散モデル群です。公開されたSVDとSVD-XTのチェックポイントは、見た目の出発点となる画像から短い映像を作ります。
初期のSVDとSVD-XTのチェックポイントは、テキストでは制御できません。まず画像を用意し、その後、利用できるサンプリング設定を試します。出発点の画像は、別のテキスト画像生成の工程で作ることもできます。
SVDは14フレーム、SVD-XTは25フレームを生成します。どちらも画像サイズは1024 × 576です。XTは、短い方のSVDチェックポイントに追加学習を施したものです。
長さはフレーム数と書き出すfpsによって変わります。例えば、25フレームを6 fpsで再生すると約4.2秒です。再生速度を変えると時間は変わりますが、生成フレームが増えるわけではありません。
はい。自分の環境でホストして利用できます。Stability AIは2025年7月にホスト型SVD APIを終了し、モデルの重みとGenerative Modelsの参照リポジトリを案内しています。商用利用の前に、適用されるライセンスを確認してください。
自分の環境でホストするモデルは、推論環境や個々の生成結果を技術的に制御できます。動画エージェントは、制作指示、シーン、素材、修正、最終的な組み立てなど、プロジェクト全体を扱います。1つのショットを技術的に制御したいのか、つながりのある動画制作を支援してほしいのかに応じて選びます。