趋近智
SVD Image-to-Video XT 1.1
参数
1.5B
模态
Video
辅助参数
80M
架构
Diffusion Transformer
许可证
Stability AI Community License
发布日期
1 Mar 2024
API 价格 (每 1M)
仅支持自建托管
硬件选型
精度
工作负载显存: 3.25 GB
INT4 · 1024x1024
DiT 骨干权重: 0.70 GB
VAE 解码工作区: 0.05 GB
运行时与计算图: 2.50 GB
最小所需硬件
1x NVIDIA L4 24GB
3.2 / 21.6 GB usable
1x RTX 3060 12GB
3.2 / 10.8 GB usable
Apple M4 24GB
3.2 / 18.0 GB usable
确定特定工作负载的硬件需求：
在显存计算器中打开
架构图
关于 SVD Image-to-Video XT 1.1
SVD Image-to-Video XT 1.1 is a 1.5B parameter temporal UNet video model by Stability AI, generating 25 frames of smooth motion from a single still image conditioned on CLIP vision embeddings.
技术规格
注意力
注意力头
20
注意力头维度
64
维度
辅助参数
80M
隐藏维度大小
1,024
层数
8