Stable Video Infinity – AI som löser videogenereringens största utmaning

Forskare vid det schweiziska federala teknologiska institutet EPFL har presenterat ett nytt AI-baserat verktyg som tar sig an en central utmaning inom videogenerering: förlusten av tidsmässig sammanhållning. Systemet, som kallas Stable Video Infinity (SVI), har redan väckt uppmärksamhet i teknikvärlden.

De flesta nuvarande modeller för videogenerering kan bara producera korta klipp på några sekunder till ungefär en halv minut. När längden ökar börjar bilderna förvrängas: karaktärer förändras, scener blir instabila och sekvensens logik bryts samman. Denna effekt, känd som drift, har länge ansetts vara nästan oundviklig.

Teamet vid VITA-labbet föreslog ett ovanligt tillvägagångssätt för att träna modeller. Istället för att ignorera fel som uppstår under videogenereringen återför deras nya metod – "återkommande felomträning" – medvetet dessa störningar i inlärningsprocessen. I praktiken innebär det att AI:n lär sig att hantera sina egna förvrängningar.

Projektledaren, professor Alexander Alahi, jämför tillvägagångssättet med att träna en pilot i kraftig turbulens. Att lära sig av misstag gör systemet mer robust och låter det upprätthålla stabilitet även under långdragna genereringar. Denna princip ligger till grund för Stable Video Infinity. Till skillnad från befintliga lösningar, som ofta försämras efter 20–30 sekunder, kan SVI skapa sammanhängande och detaljerade videor som varar i flera minuter eller längre.

Teamet introducerade också LayerSync-metoden, som hjälper AI:n att synkronisera intern logik när den arbetar med video, bilder och ljud. Tillsammans banar dessa tekniker väg för mer pålitliga autonoma system och generativ media i stor skala. Projektet är redan öppen källkod på GitHub, där det har fått över 2 000 stjärnor, och forskningen presenterades vid ICLR 2026-konferensen, vilket understryker dess betydelse för framtiden inom generativa teknologier.