Pexo
Stable Video Diffusion

Stable Video Diffusion
静止画から始めます。動きを調べてみましょう。

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。

夜明けに港の石壁の横に浮かぶ風化した黄色い漁船
画像→動画

静止画がシーンを確立します

14または25フレーム

SVD および SVD-XT チェックポイント

自己ホスト型ワークフロー

モデルの重みと参照コードを公開

主な機能

柔らかい緑の葦の間の浅い沼地に映る白鷺とその反射
入力画像・モーションゴール

水面の小さな変化、反射、鳥の位置を観察しながら、白鷺と葦を認識できるようにします。

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。

オーク材の手すりと長い窓の影が付いた、曲線を描いた石灰岩の階段
サンプリングレビュー

手前の手すりと奥の階段がどう動くかを比較します。奥行きが伝わり、建築物の線が安定している結果を選びます。

02 / 動きと奥行き

サンプリング設定を通じてモーションを探索する

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。

リネンとオリーブの枝の影が付いた石の台座に置かれた、ラベルのない琥珀色の香水瓶
製品動作レビュー

各フレームで、ボトルの輪郭、キャップ、ガラスの反射を確認します。背景の動きが商品より目立たないようにします。

03 / SVDとSVD-XT

表現する一瞬に合うフレーム数を選ぶ

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。

SVD チェックポイント形式

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。

SVD 対 SVD-XT

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SVDSVD-XT
生成されたフレーム1425
トレーニング画像のサイズ1024 × 5761024 × 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

ユースケース

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。

動きのある画像を準備する

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。

霧深い森の湖の木材の桟橋に繋がれた、塗装されていない木製の手漕ぎボート

01

読み取り可能な開始画像を選択してください

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

制御された変動を比較する

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

確認して組み立てる

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。

よくある質問

Stable Video Diffusionとは何ですか?

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。

SVD はテキスト プロンプトから直接ビデオを生成できますか?

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 と SVD-XT の違いは何ですか?

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。

SVD クリップの長さはどれくらいですか?

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。

Stable Video Diffusion は引き続き使用できますか?

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。

セルフホスト型モデルはビデオ エージェントとどう違うのですか?

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。

アイデアを伝えて、次の作品づくりを始めましょう。

作成を始める