> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/generation-video/stable-video-diffusion.md).

# Stable Video Diffusion

{% hint style="info" %}
**Des alternatives plus récentes disponibles !** Considérez [**FramePack**](/guides/guides_v2-fr/generation-video/framepack.md) (seulement 6 Go de VRAM !), [**Wan2.1**](/guides/guides_v2-fr/generation-video/wan-video.md) (qualité supérieure), ou [**LTX-2**](/guides/guides_v2-fr/generation-video/ltx-video-2.md) (vidéo avec audio natif).
{% endhint %}

Générez des vidéos à partir d'images en utilisant le modèle SVD de Stability AI.

{% hint style="success" %}
Tous les exemples peuvent être exécutés sur des serveurs GPU loués via [CLORE.AI Marketplace](https://clore.ai/marketplace).
{% endhint %}

## Qu'est-ce que Stable Video Diffusion ?

SVD (Stable Video Diffusion) génère de courts clips vidéo à partir d'une seule image :

* Sorties de 14 ou 25 images
* Résolution 576x1024
* Génération de mouvements fluides
* Poids open source

## Ressources

* **HuggingFace :** [stabilityai/stable-video-diffusion-img2vid-xt](https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt)
* **GitHub :** [Stability-AI/generative-models](https://github.com/Stability-AI/generative-models)
* **Article :** [Article SVD](https://arxiv.org/abs/2311.15127)

## Exigences matérielles

| Modèle             | VRAM  | GPU recommandé  |
| ------------------ | ----- | --------------- |
| SVD (14 images)    | 16Go  | RTX 4090        |
| SVD-XT (25 images) | 24 Go | RTX 4090 / A100 |

## Déploiement rapide

**Image Docker :**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel
```

**Ports :**

```
22/tcp
7860/http
```

**Commande :**

```bash
pip install diffusers transformers accelerate && \
pip install gradio && \
python -c "
import gradio as gr
from diffusers import StableVideoDiffusionPipeline
from diffusers.utils import export_to_video
import torch

pipe = StableVideoDiffusionPipeline.from_pretrained(
    'stabilityai/stable-video-diffusion-img2vid-xt',
    torch_dtype=torch.float16,
    variant='fp16'
).to('cuda')

def generate(image, seed, fps):
    generator = torch.manual_seed(seed)
    frames = pipe(image, num_frames=25, generator=generator).frames[0]
    export_to_video(frames, 'output.mp4', fps=fps)
    return 'output.mp4'

gr.Interface(
    fn=generate,
    inputs=[gr.Image(type='pil'), gr.Number(value=42, label='Seed'), gr.Slider(6, 30, value=7, label='FPS')],
    outputs=gr.Video(),
    title='Stable Video Diffusion'
).launch(server_name='0.0.0.0', server_port=7860)
"
```

## Accéder à votre service

Après le déploiement, trouvez votre `http_pub` URL dans **Mes commandes**:

1. Aller à la **Mes commandes** page
2. Cliquez sur votre commande
3. Trouvez l' `http_pub` URL (par ex., `abc123.clorecloud.net`)

Utilisez `https://VOTRE_HTTP_PUB_URL` au lieu de `localhost` dans les exemples ci-dessous.

## Installation

```bash
pip install diffusers transformers accelerate torch

# Pour l'export vidéo
pip install imageio[ffmpeg]
```

## Utilisation de base

```python
import torch
from diffusers import StableVideoDiffusionPipeline
from diffusers.utils import load_image, export_to_video

# Charger le pipeline
pipe = StableVideoDiffusionPipeline.from_pretrained(
    "stabilityai/stable-video-diffusion-img2vid-xt",
    torch_dtype=torch.float16,
    variant="fp16"
)
pipe.to("cuda")

# Charger et redimensionner l'image
image = load_image("input.jpg")
image = image.resize((1024, 576))

# Générer la vidéo
generator = torch.manual_seed(42)
frames = pipe(image, num_frames=25, generator=generator).frames[0]

# Enregistrer la vidéo
export_to_video(frames, "output.mp4", fps=7)
```

## SVD vs SVD-XT

| Fonction | SVD     | SVD-XT    |
| -------- | ------- | --------- |
| Images   | 14      | 25        |
| Durée    | \~2 sec | \~3.5 sec |
| VRAM     | 16Go    | 24 Go     |
| Qualité  | Bon     | Meilleur  |

## Optimisation de la mémoire

```python

# Activer l'attention économe en mémoire
pipe.enable_model_cpu_offload()

# Ou utilisez le découpage de l'attention
pipe.enable_attention_slicing()

# Pour une VRAM très faible
pipe.enable_sequential_cpu_offload()
```

## Traitement par lots

```python
import os
from pathlib import Path

input_dir = Path("./images")
output_dir = Path("./videos")
output_dir.mkdir(exist_ok=True)

for img_path in input_dir.glob("*.jpg"):
    image = load_image(str(img_path)).resize((1024, 576))
    frames = pipe(image, num_frames=25).frames[0]
    export_to_video(frames, str(output_dir / f"{img_path.stem}.mp4"), fps=7)
    print(f"Generated: {img_path.stem}.mp4")
```

## Intégration ComfyUI

SVD fonctionne très bien dans ComfyUI :

1. Installer ComfyUI
2. Télécharger le modèle SVD dans `models/checkpoints/`
3. Utiliser les nœuds SVD pour le flux de travail img2vid

## Dépannage

{% hint style="danger" %}
**Mémoire insuffisante**
{% endhint %}

* Utilisez `enable_model_cpu_offload()`
* Réduire `num_frames` à 14
* Utiliser la variante fp16

### Vidéo trop courte

* Utilisez SVD-XT (25 images) au lieu de SVD (14 images)
* Interpoler avec RIFE pour un résultat plus fluide

### Mauvaise qualité de mouvement

* Utiliser des images d'entrée de haute qualité
* Assurez-vous que l'image est en 1024x576 (ou 576x1024)
* Essayez différentes graines

### Erreurs CUDA

* Mettre à jour PyTorch et diffusers
* Vérifier la compatibilité de la version CUDA

## Estimation des coûts

Tarifs typiques du marché CLORE.AI (à partir de 2024) :

| GPU       | Tarif horaire | Tarif journalier | Session de 4 heures |
| --------- | ------------- | ---------------- | ------------------- |
| RTX 3060  | \~$0.03       | \~$0.70          | \~$0.12             |
| RTX 3090  | \~$0.06       | \~$1.50          | \~$0.25             |
| RTX 4090  | \~$0.10       | \~$2.30          | \~$0.40             |
| A100 40GB | \~$0.17       | \~$4.00          | \~$0.70             |
| A100 80GB | \~$0.25       | \~$6.00          | \~$1.00             |

*Les prix varient selon le fournisseur. Vérifiez* [*CLORE.AI Marketplace*](https://clore.ai/marketplace) *pour les tarifs actuels.*

## Prochaines étapes

* AnimateDiff - Animer des images SD
* [Interpolation RIFE](/guides/guides_v2-fr/traitement-video/rife-interpolation.md) - Augmenter les FPS
* [Hunyuan Video](/guides/guides_v2-fr/generation-video/hunyuan-video.md) - Texte en vidéo


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-fr/generation-video/stable-video-diffusion.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.