stable-diffusion-videos

两张图之间自动过渡，静态画面秒变动画

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署设计创意 🍴 复刻 446 🐛 待处理 54 👀 关注 54

GitHub ↗

GitHub 星标 ★ 4709

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署，无在线服务。

项目预览

分类设计创意

开发团队nateraw

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署，无在线服务。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-art,huggingface,huggingface-diffusers,machine-learning,stable-diffusion

GitHub 星标★ 4709

上线时间2022-09-06 00:00:00

代码更新2025-12-16

仓库体积10.0 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数2

通过探索 Stable Diffusion 的潜在空间并在文本提示词之间平滑变形，让 AI 生成酷炫的动态视频。无需复杂训练管线，仅凭提示词即可驱动出令人惊艳的影像，适合创意实验与内容创作。

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4709

ai-art huggingface huggingface-diffusers machine-learning stable-diffusion

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 15 分钟部署方式：库/依赖 5 步

1安装依赖库

用 pip 从 PyPI 安装 stable_diffusion_videos，它会一并带出所需的推理依赖。建议在独立虚拟环境中执行，避免污染全局环境。
```
pip install stable_diffusion_videos
```
2准备 Python 脚本

新建一个 .py 文件，导入 StableDiffusionWalkPipeline 与 torch，按 README 示例从预训练模型加载管线并迁移到 cuda。
```
touch make_video.py
```
3填写提示词与参数

在脚本中调用 pipeline.walk，填写起止提示词、随机种子、插值步数、分辨率与输出目录。分辨率大于 512 用 64 的倍数，小于 512 用 8 的倍数。
4运行生成视频

执行脚本，管线会在两个提示词的潜在空间之间插值生成画面并合成视频，首次运行需要下载模型权重，耗时较长。
```
python make_video.py
```
5或使用 Colab

不想本地配置环境，可直接打开 README 提供的 Colab 笔记本在线跑通流程，无需本地 GPU。

配置项	必填	说明	示例
`CompVis/stable-diffusion-v1-4`	是	from_pretrained 传入的模型 ID，决定使用的 Stable Diffusion 权重	`CompVis/stable-diffusion-v1-4`
`torch_dtype`	否	推理精度，CUDA 用 float16 省显存，Apple M1 必须改为 float32	`torch.float16`
`prompts`	是	变形起止的文本提示词列表，至少两个	`['a cat', 'a dog']`
`seeds`	是	与提示词一一对应的随机种子，保证画面可控可复现	`[42, 1337]`
`num_interpolation_steps`	是	两个提示词之间的插值步数，越大过渡越平滑、耗时越长	`3`
`output_dir`	是	生成的图片与视频的保存目录	`dreams`