AnimateDiff 与 Stable Video Diffusion：两个时代留下的遗产
AI 视频的演化路径很短，三年左右就走完了「能动」到「能看」到「能控」三段。AnimateDiff 属于第一段，SVD 属于第二段。
一、AnimateDiff：给图像模型加一个「运动模块」
思路很聪明：图像模型已经很强了，何必重新训一个视频模型？在现有的图像扩散模型里插入一个时间层，专门学「帧与帧之间怎么变化」，其余部分全部冻结。
- 成本极低：只训时间层，几张卡几小时；
- 生态爆炸：所有图像模型的 LoRA、ControlNet 直接可用，这是它当年最吸引人的地方；
- 上限明显：底座是 SD1.5，分辨率、细节、运动幅度都受限。
它留下的遗产是「运动模块」这个抽象：今天很多长视频方案里的「时间层」「帧间一致性模块」，设计思路一脉相承。
二、SVD：第一个让人「哇」的开源视频模型
2023 年底的图生视频模型，接入门槛低、出片稳定，第一次让普通人感觉到「图能动了」。
- 优点：稳定性好，几乎不崩；对输入图的构图理解准确；
- 缺点：只能图生视频；运动幅度小（用户戏称「微动」）；时长 2–4 秒；
- 现状：已停更，被后续模型全面超越。
它的价值在于定了一个基线：「不崩」比「能动」重要。今天评价新模型时，稳定性的权重依然高于运动幅度，就是从这一代开始形成的共识。
三、为什么现在还值得知道它们
- 老工作流还在跑：很多教程、模板、LoRA 是为它们写的，接手旧项目时绕不开；
- 理解术语来源：「运动模块」「时间层」「参考帧」这些词的定义，都是在这两个项目里定下来的；
- 低成本实验：想验证一个分镜想法，用 AnimateDiff 的工作流可能比装一套新模型更快。
四、新项目不要用它们
三条硬理由：
- 分辨率天花板：SD1.5 底座撑不到 720P，超分也救不回细节；
- 依赖链老旧：Python 版本、CUDA、扩展库全是几年前的，装环境就是一场硬仗；
- 没有维护：出了坑没人修，安全问题也没人管。
五、从它们身上能提炼的两条判断
第一，底座决定上限。 AnimateDiff 再优化，也突破不了 SD1.5 的分辨率和语义理解。这解释了为什么今天的模型都在换底座，而不是在旧底座上继续加模块。
第二，稳定性优先于表现力。 SVD 的「微动」被吐槽了很久，但它不崩、可预期，所以能进生产。今天选模型时同理：一条稳定出 80 分的模型，胜过十条里三条 95 分七条废片的模型。
相关阅读
版权声明：如无特殊标注，文章均为本站原创，转载时请以链接形式注明文章出处。
