Stable Video Portraits est une méthode de génération hybride 2D/3D innovante qui utilise un modèle pré-entraîné texte-vers-image (2D) et un modèle morphologique 3D (3D) pour générer des vidéos de visages dynamiques réalistes. Cette technologie améliore un modèle de diffusion stable 2D général à un modèle vidéo grâce à un ajustement fin spécifique à la personne. En fournissant un modèle morphologique 3D en série temporelle comme condition et en introduisant un processus de débruitage temporel, elle génère des images faciales présentant une douceur temporelle. Elle permet d'éditer et de déformer les visages en des célébrités définies par texte, sans nécessiter d'ajustement fin supplémentaire au moment des tests. Cette méthode surpasse les méthodes existantes d'avatars monoculaires de tête dans les analyses quantitatives et qualitatives.