Stability AI 推出了新的文本生成动画工具包 Stable Animation SDK，支持文本、文本 + 初始图像、文本 + 视频多种输入方式。使用者可以调用包括 Stable Diffusion 2.0、Stable Diffusion XL 在内的所有 Stable Diffusion 模型来生成动画。
核心功能与输入模式
Stable Animation SDK 主要支持三种创建动画的方式：
- 文本转动画：用户输入文本提示词（Prompt）并调整各种参数以生成动画，流程与传统的 Stable Diffusion 文生图相似，但输出为动态序列。
- 文本输入 + 初始图像输入：用户提供一个初始图像作为动画的起点。系统将图像特征与文本 Prompt 结合，生成最终的输出动画，实现从静态到动态的转换。
- 视频输入 + 文本输入：用户提供一个初始视频作为动画的基础。通过调整各种参数，根据文本 Prompt 对原视频进行风格迁移或内容修改，生成最终的输出动画。
此外，SDK 对生成视频的时长没有限制，但长视频将需要更长的生成时间。目前官方正在对工具进行技术优化，不久后将公开驱动动画 API 的组件源代码。
风格预设与参数配置
Stable Animation SDK 提供了丰富的预设风格，共计十五种，涵盖：
- 3D 模型
- 仿真胶片
- 动漫
- 电影
- 漫画书
- 数码艺术
- 增强幻想艺术
- 等距投影
- 线稿
- 低多边形
- 造型胶土
- 霓虹朋克
- 折纸
- 摄影
- 像素艺术
在生成过程中，用户可以设置许多关键参数，例如 steps（步数）、sampler（采样器）、scale（引导系数）、seed（随机种子）。其中，Cadence 值是一个重要参数，它决定了帧之间的间隔。默认情况下，每生成 1 帧，Cadence 值设置为 1 个静止图像。用户可根据不同的动画模式选择较低或较高的 Cadence 值。Cadence 值的上限是动画中的总帧数，即至少生成一张静止图像。对于视频转视频的模式，Cadence 必须为 1:1。
计费与成本估算
目前，动画功能 API 的使用是以积分计费的，10 美元可抵 1000 积分。使用 Stable Diffusion v1.5 模型，在默认设置值（512x512 分辨率，30 steps）下，生成 100 帧（大约 8 秒）视频将消耗 37.5 积分。受参数、时长等各种因素的影响，生成视频的费用并不固定。随着分辨率提升（如 768x768 或 1024x1024）或步数增加，积分消耗会相应上升。
安装与环境配置
要创建动画并测试 SDK 的功能，开发者需要运行用户界面或编写代码调用 API。具体步骤如下：
- 环境准备：在开发应用程序时，需要先设置一个 Python 虚拟环境，确保依赖版本兼容。
- 安装 SDK：在虚拟环境中安装 Animation SDK 包。
- 配置密钥：获取 API 访问凭证并配置环境变量。
- 调用接口：根据文档示例发送请求，传入 Prompt 和参数。
具体的使用说明书通常包含在 SDK 的仓库文档中，建议参考官方提供的示例代码进行调试。
行业背景与技术挑战
最近，视频生成领域变得越来越热闹。除了 Stability AI 的工具，AI 视频生成新秀 Gen-2 也流出了内测作品，带来了文生视频、文本 + 参考图像生视频、静态图片转视频、视频风格迁移、故事板、Mask 渲染和个性化等功能。此外，也有设计师利用 ChatGPT 和 MidJourney 组合制作动画小电影。
自 Stable Diffusion 开源后，一些开发者通过 Google Colab 等形式分享了各种魔改后的功能，自动生成动画功能一步步被开发出来。例如国外视频特效团队 Corridor 基于 Stable Diffusion 训练 AI，能让真人视频转换为动画版本。
然而，社区对新工具的效果也存在质疑。部分用户反馈，Stable Animation SDK 生成的视频在连贯性上仍有不足，与 Deforum 相比，可能缺乏严格的时间线控制，表现为非常松散的一帧接一帧的图像。这反映了当前 AI 视频生成技术在时序一致性上的普遍挑战。
总结与展望
AIGC 技术的未来发展前景广阔。随着人工智能技术的不断发展，AIGC 技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC 技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用。对于程序员和技术人员来说，掌握这些新工具的能力至关重要。未来，随着算法的迭代，视频生成的连贯性和可控性有望得到显著提升。