Stable Video Diffusion (SVD) 1.1 Bild-zu-Video ist ein Diffusionsmodell, das durch die Verwendung eines Standbildes als Bedingungsframe entsprechende Videos generiert. Das Modell ist ein latentes Diffusionsmodell, das darauf trainiert wurde, kurze Videoclips aus Bildern zu generieren. Bei einer Auflösung von 1024x576 generiert das Modell trainierte 25-Frame-Videos, basierend auf Kontextframes gleicher Größe und feinabgestimmt von SVD Image-to-Video [25 Frames]. Bei der Feinabstimmung wurden 6 FPS und Motion Bucket ID 127 als Bedingungen festgelegt, um die Konsistenz der Ausgabe zu verbessern, ohne Hyperparameter anpassen zu müssen.