# Stable Video Diffusion

{% hint style="info" %}
**Доступны более новые альтернативы!** Рассмотрите [**FramePack**](/guides/guides_v2-ru/generaciya-video/framepack.md) (всего 6 ГБ VRAM!), [**Wan2.1**](/guides/guides_v2-ru/generaciya-video/wan-video.md) (более высокое качество), или [**LTX-2**](/guides/guides_v2-ru/generaciya-video/ltx-video-2.md) (видео с оригинальной аудиодорожкой).
{% endhint %}

Генерируйте видео из изображений с помощью модели SVD от Stability AI.

{% hint style="success" %}
Все примеры можно запускать на GPU-серверах, арендуемых через [CLORE.AI Marketplace](https://clore.ai/marketplace).
{% endhint %}

## Что такое Stable Video Diffusion?

SVD (Stable Video Diffusion) генерирует короткие видеоклипы из одного изображения:

* Выход 14 или 25 кадров
* Разрешение 576x1024
* Плавная генерация движения
* Открытые веса с исходным кодом

## Ресурсы

* **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)
* **Статья:** [Статья SVD](https://arxiv.org/abs/2311.15127)

## Требования к аппаратному обеспечению

| Модель             | VRAM  | Рекомендуемый GPU |
| ------------------ | ----- | ----------------- |
| SVD (14 кадров)    | 16GB  | RTX 4090          |
| SVD-XT (25 кадров) | 24 ГБ | RTX 4090 / A100   |

## Быстрое развертывание

**Docker-образ:**

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

**Порты:**

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

**Команда:**

```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)
"
```

## Доступ к вашему сервису

После развертывания найдите ваш `http_pub` URL в **Моих заказах**:

1. Перейдите на **Моих заказах** страницу
2. Нажмите на ваш заказ
3. Найдите `http_pub` URL (например, `abc123.clorecloud.net`)

Используйте `https://YOUR_HTTP_PUB_URL` вместо `localhost` в примерах ниже.

## Установка

```bash
pip install diffusers transformers accelerate torch

# Для экспорта видео
pip install imageio[ffmpeg]
```

## Базовое использование

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

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

# Загрузить и изменить размер изображения
image = load_image("input.jpg")
image = image.resize((1024, 576))

# Сгенерировать видео
generator = torch.manual_seed(42)
frames = pipe(image, num_frames=25, generator=generator).frames[0]

# Сохранить видео
export_to_video(frames, "output.mp4", fps=7)
```

## SVD против SVD-XT

| Функция      | SVD     | SVD-XT    |
| ------------ | ------- | --------- |
| Кадры        | 14      | 25        |
| Длительность | \~2 сек | \~3.5 сек |
| VRAM         | 16GB    | 24 ГБ     |
| Качество     | Хорошо  | Лучше     |

## Оптимизация памяти

```python

# Включить энергоэффективное внимание
pipe.enable_model_cpu_offload()

# Или использовать разрезание внимания (attention slicing)
pipe.enable_attention_slicing()

# Для очень малого объёма VRAM
pipe.enable_sequential_cpu_offload()
```

## Пакетная обработка

```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")
```

## Интеграция с ComfyUI

SVD отлично работает в ComfyUI:

1. Установите ComfyUI
2. Скачайте модель SVD в `models/checkpoints/`
3. Используйте узлы SVD для workflow img2vid

## Устранение неполадок

{% hint style="danger" %}
**Недостаточно памяти**
{% endhint %}

* Используйте `enable_model_cpu_offload()`
* Уменьшите `num_frames` на 14
* Используйте вариант fp16

### Видео слишком короткое

* Вместо SVD (14 кадров) используйте SVD-XT (25 кадров)
* Интерполируйте с помощью RIFE для более плавного результата

### Плохое качество движения

* Используйте изображения высокого качества
* Убедитесь, что изображение 1024x576 (или 576x1024)
* Попробуйте другие seed'ы

### Ошибка CUDA

* Обновите PyTorch и diffusers
* Проверьте совместимость версии CUDA

## Оценка стоимости

Типичные ставки на маркетплейсе CLORE.AI (по состоянию на 2024):

| GPU       | Почасовая ставка | Дневная ставка | Сессия 4 часа |
| --------- | ---------------- | -------------- | ------------- |
| 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       |

*Цены варьируются в зависимости от провайдера. Проверьте* [*CLORE.AI Marketplace*](https://clore.ai/marketplace) *для текущих тарифов.*

## Дальнейшие шаги

* AnimateDiff - анимировать изображения SD
* [Интерполяция RIFE](/guides/guides_v2-ru/obrabotka-video/rife-interpolation.md) - Увеличить FPS
* [Hunyuan Video](/guides/guides_v2-ru/generaciya-video/hunyuan-video.md) - Текст-видео


---

# Agent Instructions: 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-ru/generaciya-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.