? ? ? 階躍星辰（StepFun）正式開源其新一代圖生視頻模型 Step-Video-TI2V ，該模型基于300億參數的Step-Video-T2V訓練，支持文本與圖像聯合驅動生成長達102幀的高質量視頻，在運動控制與場景適配性上實現突破。

? ? ? 核心亮點
? ? ? 1、超長視頻生成與運動控制
? ? ? 支持生成 102幀視頻 （約4秒@24fps），覆蓋更長時序內容創作需求。
? ? ? 首創 運動幅度可控 與 鏡頭運動可控 雙機制，用戶可通過參數調節動態效果，平衡畫面流暢性與戲劇張力。

? ? ? 2、多模態輸入與風格適配
? ? ? 同時接受文本和圖像輸入，精準融合語義描述與視覺風格，尤其在 動漫風格視頻生成 中表現優異，適用于動畫制作與創意短片。
? ? ? 基于 深度壓縮變分自編碼器（Video-VAE） ，實現16×16空間壓縮與8×時間壓縮，顯著提升訓練與推理效率。

? ? ? 3、開源生態與硬件兼容
? ? ? 模型已開源（GitHub地址：stepfun-ai/Step-Video-TI2V ），支持開發者快速部署。
? ? ? 適配華為昇騰計算平臺，推動國產化AI硬件生態發展。

? ? ? 技術突破與行業價值
? ? ? 1、參數規模領先 ：作為當前開源社區最大的TI2V（Text/Image-to-Video）模型之一，300億參數量支撐復雜場景建模能力。
? ? ? 2、應用前景廣闊 ：可服務于影視特效、廣告創意、短視頻內容生產等領域，降低高質量視頻制作門檻。
? ? ? 3、研究意義顯著 ：開源后將加速圖生視頻技術迭代，為學術界提供高性價比的多模態研究基座。

? ? ? 與其他領先開源模型的比較
? ? ? 將 Step-Video-TI2V 與最近發布的領先開源模型進行比較，下表中的詳細結果突出了該模型優于這些模型的性能。展示了 Step-Video-TI2V 的兩個結果，運動分別設置為 5 和 10。正如預期的那樣，這種機制有效地平衡了生成視頻的運動動態和穩定性（或一致性）。此外，在 VBench-I2V的 排行榜，Step-Video-TI2V 獲得了最高排名。

? ? ? Step-Video-TI2V 的應用領域與場景
? ? ? 基于其運動可控性 、長視頻生成能力 （102幀/5秒）及 多模態輸入支持 ，Step-Video-TI2V 可廣泛應用于以下領域，結合技術特性與知識庫信息分析如下：

? ? ? 1. 影視與廣告制作
? ? ? 特效預演與生成 ：支持生成具有動態效果的視頻片段（如爆炸、光影變化），可作為電影或廣告特效的低成本預演工具。
? ? ? 短視頻廣告創作 ：通過文本與圖像聯合驅動，快速生成符合品牌調性的創意短片，提升廣告制作效率。

? ? ? 2. 動漫與短視頻創作
? ? ? 動畫制作 ：在動漫風格任務中表現突出，可生成高質量角色動作與場景過渡，縮短傳統動畫制作周期。
? ? ? 豎屏內容生產 ：支持多尺寸生成（橫屏/豎屏），適配抖音、Instagram等平臺的短視頻需求。

? ? ? 3. 教育與體育訓練
? ? ? 動作教學視頻 ：生成復雜動態場景（如舞蹈、武術動作分解），輔助在線教育或健身課程開發。
? ? ? 科學可視化 ：模擬物理實驗或生物過程（如流體運動、分子結構動態展示），提升教學直觀性。

? ? ? 4. 游戲與虛擬內容開發
? ? ? 游戲過場動畫 ：通過可控鏡頭運動生成游戲內過場動畫，降低開發成本。
? ? ? 虛擬主播/數字人 ：結合圖像輸入生成虛擬角色的動態視頻，用于直播或互動內容。

? ? ? 5. 工業與醫療模擬
? ? ? 工業設計驗證 ：生成機械運動或產品使用場景的模擬視頻，輔助設計驗證。
? ? ? 醫療培訓 ：模擬手術操作或解剖過程，提供高精度動態教學素材。

? ? ? 6. 社交媒體與UGC內容
? ? ? 個性化內容生成 ：用戶上傳圖片并輸入文本描述，快速生成定制化視頻（如旅行Vlog、產品評測）。
? ? ? 特效濾鏡增強 ：集成至社交平臺工具鏈，提供動態濾鏡或AR效果生成。

? ? ? 7. 多模態藝術與創意實驗
? ? ? 藝術風格遷移 ：將靜態藝術作品（如油畫、插畫）轉化為動態視頻，探索跨媒介藝術表達。
? ? ? AI生成電影短片 ：通過長視頻生成能力創作實驗性短片，推動AI在藝術領域的邊界。

? ? ? 8. 科研與國產化生態
? ? ? AI模型研究 ：開源特性為學術界提供高參數量多模態研究基座，推動視頻生成技術迭代。
? ? ? 國產硬件適配 ：支持華為昇騰平臺，助力國產AI芯片在視頻生成領域的落地應用。

? ? ? Step-Video-TI2V憑借大參數量、運動控制創新與開源策略，為視頻生成領域樹立新標桿，有望推動AIGC從“短片段創作”邁向“長視頻工業化生產”時代。

? ? ? 模型網址：https://github.com/stepfun-ai/Step-Video-TI2V