स्टेबल वीडियो डिफ्यूज़न (SVD) और स्टेबल वीडियो 3D (SV3D) पर आधारित एक जनरेटिव मॉडल है Stable Video 4D (SV4D)। यह एकल-दृष्टिकोण वीडियो लेता है और उस ऑब्जेक्ट के कई नए दृष्टिकोण वीडियो (4D इमेज मैट्रिक्स) उत्पन्न करता है। यह मॉडल 576x576 रिज़ॉल्यूशन पर 40 फ़्रेम (5 वीडियो फ़्रेम x 8 कैमरा दृष्टिकोण) उत्पन्न करने के लिए प्रशिक्षित है, जो 5 समान आकार के संदर्भ फ़्रेम दिए गए हैं। SV3D द्वारा ऑर्बिट वीडियो उत्पन्न करके, फिर ऑर्बिट वीडियो को SV4D के संदर्भ दृश्य के रूप में उपयोग करके, और इनपुट वीडियो को संदर्भ फ़्रेम के रूप में उपयोग करके, 4D सैंपलिंग करके यह काम करता है। यह मॉडल पहले उत्पन्न फ़्रेम को एंकर बिंदु के रूप में उपयोग करके और फिर शेष फ़्रेम को घने सैंपलिंग (इंटरपोलेशन) करके लंबे नए दृष्टिकोण वीडियो भी उत्पन्न करता है।