Stable Video Diffusion（简称SVD）是基于单张图像生成短视频的扩散模型，很多玩家在本地部署后会发现一个共同问题：生成的视频画面抖动明显，人物边缘闪烁、背景忽明忽暗，观感大打折扣。实际上这类抖动大部分情况下并不是模型本身损坏，而是推理参数没有调好，其中最关键的两个参数就是motion_bucket_id和fps。本文围绕这两个参数展开，讲清楚它们各自的作用机制、推荐取值以及如何在代码中正确配置。
一、motion_bucket_id如何影响画面稳定性
motion_bucket_id是SVD推理时控制运动强度的核心参数，取值范围一般是1到255。它本质上是一个“运动桶”的索引：模型在训练时将不同运动幅度的样本划分到不同的桶里，推理时通过这个id告诉模型你期望生成多大动态的视频。数值越低，画面越接近静态，镜头和物体的位移越小；数值越高，运动越剧烈。
抖动的产生往往和这个参数直接相关。当motion_bucket_id设置得过高时，模型会尝试在相邻帧之间产生较大的运动变化，但由于扩散模型的采样精度限制，大幅运动很难保持时序一致性，于是就会出现帧与帧之间物体位置跳变、纹理闪烁的现象。很多教程默认给的值是127，这个中间值在多数场景下其实偏大，尤其是生成近景人像或静止物体时。
实践中的建议取值：生成静态物体、建筑、风景类内容时，可以把motion_bucket_id降到30到80之间；生成人物轻微动作（比如眨眼、头部小幅度转动）时，100左右比较合适；只有明确需要镜头大幅运动或物体快速移动时，才考虑120以上的值。降不下来动态感的时候，不要一味拉高这个参数，可以配合调节noise_aug_strength来平衡。
二、fps参数与帧间连贯性的关系
fps决定生成视频的帧率。SVD默认输出25帧画面，fps参数控制这些帧以什么速率播放，同时它也会在模型内部参与时间步编码的计算，影响帧与帧之间的时间间隔建模。简单来说，fps不仅决定播放速度，还会反过来影响模型对运动连续性的理解。
常见的错误做法是随意把fps调得很高，比如设成30甚至更高，认为帧率高就更流畅。实际上在总帧数固定为25帧的前提下，提高fps意味着整个视频时长缩短，单位时间内模型需要表达的运动量变大，时序上的采样间隔变大，反而更容易出现跳帧和不连贯。相反，如果fps设得过低，比如低于6，视频会有明显的卡顿和拖影感。
经验上fps设为7左右是社区反复验证过的稳定值，很多高质量案例都采用7这个帧率。如果你的应用场景需要更高的播放帧率，更合理的做法是先用fps=7生成，再用插帧工具（如RIFE、FILM）做后处理补帧，把帧率提升到24或30，这样得到的画面远比直接调高fps稳定得多。
三、在代码中正确配置这两个参数
下面以Python调用diffusers库为例，展示如何在推理流程中设置这两个参数。注意decode阶段和采样阶段是分开的，fps作用于解码部分，而motion_bucket_id作用于采样部分，两者不能搞混。
import torch
from diffusers import StableVideoDiffusionPipeline
from diffusers.utils import load_image, export_to_video
pipe = StableVideoDiffusionPipeline.from_pretrained(
"stabilityai/stable-video-diffusion-img2vid-xt",
torch_dtype=torch.float16,
variant="fp16",
).to("cuda")
# 降低运动强度，减少抖动
pipe.unet.enable_tiling()
image = load_image("input.jpg").resize((1024, 576))
frames = pipe(
image,
decode_chunk_size=8,
generator=torch.Generator("cuda").manual_seed(42),
motion_bucket_id=80, # 关键参数：降低运动幅度
noise_aug_strength=0.02,
num_frames=25,
).frames[0]
# fps=7 是社区验证过的稳定帧率
export_to_video(frames, "output.mp4", fps=7)如果使用的是ComfyUI，对应的节点是Video TriangleCFGGuidance之前的加载器节点，在其参数面板中直接修改motion_bucket_id和fps字段即可，思路完全一致。
四、参数组合的取舍与调试误区
这两个参数不是孤立的，需要配合调整。一个实用的组合策略是：motion_bucket_id=80加fps=7，这是稳定性优先的基线配置；如果觉得画面太“死”，先小幅提升motion值到100左右观察，而不是先动fps。调fps应该放在最后一步，因为它对时长和连贯性的影响是全局性的。
有几个常见误区需要提醒。第一，抖动不一定是参数问题，如果输入图片本身分辨率过低或者长宽比不符合模型要求的训练分布（SVD对576x1024或1024x576支持最好），也会产生闪烁，先用正确的分辨率测试再调参。第二，noise_aug_strength建议保持在0.02附近，调高会引入额外噪声加剧抖动。第三，采样步数不要低于20步，步数不足时去噪不彻底，画面残留噪点也会表现为抖动感。
总结一下解决抖动的优先级：先确认输入图片质量和分辨率，其次把motion_bucket_id降到80以下、fps固定为7，再通过seed多跑几组对比，最后如果还不满意就换插帧后处理方案。按这个流程走下来，绝大多数抖动问题都能得到明显改善。
SVD视频生成motion_bucket_id视频抖动修改时间：2026-09-11 04:00:31