Stability AI представила Stable Video 4D — генерацию динамических 3D-сцен из текста

Сегодня компания Stability AI анонсировала Stable Video 4D — инновационную модель генерации, способную создавать динамические трёхмерные сцены на основе текстовых запросов. В отличие от предыдущих решений, которые фокусировались на статичных изображениях или плоских видео, новая технология синтезирует полноценные 4D-сцены (3D + время) с учётом физики и освещения.

Модель основана на архитектуре diffusion transformer и обучена на наборе данных из миллионов видеороликов и 3D-объектов. По заявлению разработчиков, Stable Video 4D способна генерировать сцены длительностью до 30 секунд с разрешением 1024×1024 в режиме реального времени на одном GPU. Это стало возможным благодаря новым методам пространственно-временного сэмплирования.

Уже сегодня Stable Video 4D доступна в закрытом бета-тесте для избранных партнёров, а открытое API планируется запустить в течение месяца. Среди первых пользователей — студии визуальных эффектов и разработчики игр, которые смогут интегрировать технологию в свои пайплайны.

Эксперты отмечают, что Stable Video 4D может значительно ускорить создание прототипов в геймдизайне и кинопроизводстве, сократив время на разработку с недель до минут. В сообществе AI уже назвали эту модель «прорывом года» в области генеративного творчества.