本次查询：AnimateDiff
中文解释：动画扩散模型
常见场景：短视频内容创作 / 动态海报生成 / 游戏素材制作 / 概念演示 / 个性化动态表情包
一句话解释
AnimateDiff 是一个“动画化”插件，它能给现有的文生图AI模型（如Stable Diffusion）装上“运动引擎”，让一次性生成的单张静态图片，变成一段几秒钟的连贯动态视频。
为什么会被关注
它解决了AI视频生成的两个核心痛点：成本与一致性。传统视频生成需逐帧渲染，算力消耗大且帧间易闪烁。AnimateDiff通过一个轻量级、可插拔的“运动模块”，在图像生成的潜在空间直接建模运动轨迹，只需少量数据训练该模块，就能让海量现有图像模型获得视频生成能力，极大降低了创作门槛和计算成本。
核心逻辑
其核心是一个预先训练好的“运动模块”。该模块在大量视频数据上学习到通用的运动先验知识（如物体移动、镜头推移、形态渐变）。
当用户使用SD等模型生成图像时，AnimateDiff将此模块插入到模型的UNet网络中。它不改变原模型生成图像内容和风格的能力，而是在生成过程的多个采样步骤中，跨时间维度注入一致的运动信号，引导初始噪声沿着学习到的运动路径演变，从而输出一个帧间平滑的动态序列。
常见场景
短视频与社交媒体内容：快速将人物肖像、风景画或产品图转化为吸引眼球的动态短片。
动态视觉设计：生成动态Logo、背景、海报和UI元素，提升视觉表现力。
游戏与动画预制作：快速生成角色待机动画、场景概念动态预览，辅助创意构思。
个性化表达：制作独特的动态头像、表情包，让数字形象更具生命力。
容易混淆的点
与Runway、Pika等端到端视频模型的区别：AnimateDiff本身不是一个完整的文生视频模型，而是一个“框架”或“插件”。它赋能于已有的SD模型，其效果高度依赖于所搭配的图像模型。而Runway等是独立训练的全功能产品。
“运动模块”是否需每次训练：不需要。社区提供的通用运动模块已能处理多种常见运动。用户也可针对特定运动风格（如特定动漫风运镜）微调模块，但多数应用可直接使用预训练模块，这是其“即插即用”便利性的关键。