Stable Video Diffusionのモデル種類とライセンスについて

先日リリースされ世界中で話題となった、Stable Video Diffusion。 Stable Diffusionベースで動画が生成できる動画生成AIモデルとして２つのモデルがリリースされました。今回は公開されたモデルの種類の解説と、モデルのライセンスなどについて解説したいと思います。

Stable Video Diffusionについて

Stability AIが、Stable Video Diffusion を公開。画像モデル Stable Diffusion をベースにした動画生成用の初のモデルで単一画像からのマルチビュー合成など、様々なタスクに簡単に適応させることが可能です。詳しい情報は「Stable Video Diffusion のご紹介」からご覧いただけます。

Stable Video Diffusionの2つのモデル

Stable Video Diffusionのモデルデータは、14フレームおよび25フレームを生成できる2種類のモデルがリリースされており、どちらも3～30フレーム/秒のカスタマイズ可能なフレームレートで生成が可能です。

モデルデータについては以下からダウンロードが可能です。

svd（14 frames generation NEED 15GB VRAM）

https://huggingface.co/stabilityai/stable-video-diffusion-img2vid

svd_xt（25 frames generation NEED 18GB VRAM）

https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt

SVDモデルデータのライセンスについて

現在、Stable Video Diffusionのモデルデータについては、現段階では、商用アプリケーションでの使用を意図していないとされており、各モデルのライセンスについては、STABLE VIDEO DIFFUSION NON-COMMERCIAL COMMUNITY LICENSE AGREEMENTとなっており、非商用のライセンスとなっております。

LLMなども発表の時点では研究目的のことも多々ありましたので、今後研究が進み、オープンソースでかつ商用利用可能となることを期待しています。

Stable Video Diffusionで動画を生成するには？

SVDはモデルが公開されているだけですので、このモデルを用いた環境を構築する必要があります。次回はwindows環境でStable Video Diffusionの環境を構築する方法については「SVD（Stable-Video-Diffusion）をローカル環境にインストール」をご覧ください。