Stability AI 推出 Stable Video 4D 2.0：单视角视频生成高质量多视角 4D 资产

Stability AI 发布了 Stable Video 4D 2.0（SV4D 2.0），这是之前Stable Video 4D的重大升级。该模型能够在仅提供一个对象的单视角视频作为输入的情况下，生成多个新视角的动态视频，显著提升了现实世界视频输出的质量与稳定性。

• GitHub：https://github.com/Stability-AI/generative-models
• 模型：https://huggingface.co/stabilityai/sv4d2.0

SV4D 2.0 是一种基于视频的生成式 AI 模型，它能够从一段 12 帧、576x576 分辨率的参考视频中，生成包含多个新视角的视频序列。具体来说：

• 输出形式为 12 帧 × 4 个视角，共 48 张图像；
• 可视为 4 个不同角度拍摄的视频片段；
• 同时也支持更高视角（8 视角）和更长帧数的扩展生成。

这项能力让创作者、游戏开发者、影视制作人可以更高效地生成用于虚拟环境、3D 场景或动画设计的多视角资产。

技术亮点

🔧 网络架构升级

SV4D 2.0 采用了全新的网络结构，引入了3D 注意力机制，大幅提升时空一致性。这意味着即使没有参考图像，模型也能更好地理解物体的空间结构和运动轨迹。

🔄 两阶段训练流程

为了提升输出质量，模型采用两阶段训练策略：

1. 先生成静态的 3D 资产；
2. 再在此基础上引入动态变化，模拟真实世界的动作表现。

这种分步训练方式使最终结果更加清晰、连贯，细节更丰富。

📈 泛化能力增强

尽管训练数据主要来自合成场景（Objaverse-XL 数据集），但通过改进的渲染方法，模型在面对真实世界内容时也表现出更强的适应性和泛化能力。

使用限制与注意事项

虽然 SV4D 2.0 在大多数场景下表现出色，但在处理高动态复杂动作时，仍可能出现一些瑕疵。因此建议结合实际项目进行评估与微调。

此外，该模型不适合生成真实人物或事件的高度写实表示，超出其设计能力和训练目标。

✅ 社区许可

• 年收入不超过 100万美元 的个人或组织可免费使用该模型及其衍生作品（如 LoRA、Fine-tune）。
• 适用于研究、非商业及商业用途。

💼 企业许可

• 若年收入超过 100万美元，需申请 企业许可 才能进行商业用途。
• 申请地址：https://stability.ai/enterprise
• 更多许可详情请参阅：https://stability.ai/license

安全性与负责任 AI 使用

Stability AI 在模型开发过程中始终贯彻安全设计理念，并实施多项措施降低潜在风险。我们建议开发者根据自身应用场景，进一步测试并应用额外的安全防护机制。

更多关于 Stability AI 安全策略的信息，请访问其官方 Safety 页面