Stable Video Diffusion XTは、既存の静止画に少し動きを加えてみたいときに役立ちます。たとえば、カメラがわずかに流れるような動きや、雰囲気のあるショットなどです。576 × 1024の解像度で25フレームを生成するため、ローカル環境での実験の目標を明確に絞れます。公開されているモデルはテキストプロンプトで制御できず、動きがごくわずかだったり、まったくなかったりすることもあり、顔の描写が崩れる場合もあります。キャラクターのクローズアップには不向きな特性です。比較用のチェックポイントとして残しておくか、露骨な描写を含まない短い挿入カットに試し、使用前に全フレームを確認してください。会話、計画どおりの一連のシーン、精密なアニメーションには別のツールが必要で、商用利用の可否はチェックポイントのライセンスによって決まります。
商用利用 & ライセンス
このチェックポイントにはStability AIのCommunity Licenseが適用されます。商用利用には登録と収益に関する条件があり、すべての利用は同社の利用許容ポリシーに従う必要があります。
成人向けコンテンツのルール
Stabilityの2026年9月30日付の利用許容ポリシーは、性交、性行為、または性的暴力に関するコンテンツを禁止しています。このポリシーは、Research、Community、Enterpriseの各ライセンスのもとでセルフホストするコードと重み、および第三者のホスティング事業者を通じた利用にも適用されます。
必要なもの
576 × 1024の入力用静止画、XTチェックポイント、対応する画像から動画への生成パイプラインが必要です。XTはこの解像度で25フレームを生成します。必要なGPUメモリ容量は、実装とメモリ最適化によって異なります。
ランクは、確認したドキュメントに基づく、記載の作業に対する推奨度です。モデルのランクは、性的に露骨な内容を扱わない開発作業を対象としています。実際のベンチマークは行っていません。コンテンツポリシーと商用利用条件は別途確認してください。 ランクの仕組み →