Stable Video Diffusion (SVD) 1.1 Image-to-Vidéo est un modèle de diffusion qui génère des vidéos à partir d'images fixes utilisées comme trames conditionnelles. Ce modèle, un modèle de diffusion latent, est entraîné à générer de courts clips vidéo à partir d'images. Entraîné à générer des vidéos de 25 images à une résolution de 1024x576, il utilise des trames contextuelles de même taille et a été finement ajusté à partir de SVD Image-to-Vidéo [25 images]. Lors du fin-ajustement, les conditions de 6 FPS et Motion Bucket Id 127 ont été fixées pour améliorer la cohérence de la sortie sans nécessiter d'ajustement des hyperparamètres.