阶跃星辰（StepFun）正式开源其新一代图生视频模型 Step-Video-TI2V ，该模型基于300亿参数的Step-Video-T2V训练，支持文本与图像联合驱动生成长达102帧的高质量视频，在运动控制与场景适配性上实现突破。

      核心亮点
      1、超长视频生成与运动控制
      支持生成 102帧视频 （约4秒@24fps），覆盖更长时序内容创作需求。
      首创 运动幅度可控 与 镜头运动可控 双机制，用户可通过参数调节动态效果，平衡画面流畅性与戏剧张力。

      2、多模态输入与风格适配
      同时接受文本和图像输入，精准融合语义描述与视觉风格，尤其在 动漫风格视频生成 中表现优异，适用于动画制作与创意短片。
      基于 深度压缩变分自编码器（Video-VAE） ，实现16×16空间压缩与8×时间压缩，显著提升训练与推理效率。

      3、开源生态与硬件兼容
      模型已开源（GitHub地址：stepfun-ai/Step-Video-TI2V ），支持开发者快速部署。
      适配华为昇腾计算平台，推动国产化AI硬件生态发展。

      技术突破与行业价值
      1、参数规模领先 ：作为当前开源社区最大的TI2V（Text/Image-to-Video）模型之一，300亿参数量支撑复杂场景建模能力。
      2、应用前景广阔 ：可服务于影视特效、广告创意、短视频内容生产等领域，降低高质量视频制作门槛。
      3、研究意义显著 ：开源后将加速图生视频技术迭代，为学术界提供高性价比的多模态研究基座。

      与其他领先开源模型的比较
      将 Step-Video-TI2V 与最近发布的领先开源模型进行比较，下表中的详细结果突出了该模型优于这些模型的性能。展示了 Step-Video-TI2V 的两个结果，运动分别设置为 5 和 10。正如预期的那样，这种机制有效地平衡了生成视频的运动动态和稳定性（或一致性）。此外，在 VBench-I2V的 排行榜，Step-Video-TI2V 获得了最高排名。

      Step-Video-TI2V 的应用领域与场景
      基于其运动可控性 、长视频生成能力 （102帧/5秒）及 多模态输入支持 ，Step-Video-TI2V 可广泛应用于以下领域，结合技术特性与知识库信息分析如下：

      1. 影视与广告制作
      特效预演与生成 ：支持生成具有动态效果的视频片段（如爆炸、光影变化），可作为电影或广告特效的低成本预演工具。
      短视频广告创作 ：通过文本与图像联合驱动，快速生成符合品牌调性的创意短片，提升广告制作效率。

      2. 动漫与短视频创作
      动画制作 ：在动漫风格任务中表现突出，可生成高质量角色动作与场景过渡，缩短传统动画制作周期。
      竖屏内容生产 ：支持多尺寸生成（横屏/竖屏），适配抖音、Instagram等平台的短视频需求。

      3. 教育与体育训练
      动作教学视频 ：生成复杂动态场景（如舞蹈、武术动作分解），辅助在线教育或健身课程开发。
      科学可视化 ：模拟物理实验或生物过程（如流体运动、分子结构动态展示），提升教学直观性。

      4. 游戏与虚拟内容开发
      游戏过场动画 ：通过可控镜头运动生成游戏内过场动画，降低开发成本。
      虚拟主播/数字人 ：结合图像输入生成虚拟角色的动态视频，用于直播或互动内容。

      5. 工业与医疗模拟
      工业设计验证 ：生成机械运动或产品使用场景的模拟视频，辅助设计验证。
      医疗培训 ：模拟手术操作或解剖过程，提供高精度动态教学素材。

      6. 社交媒体与UGC内容
      个性化内容生成 ：用户上传图片并输入文本描述，快速生成定制化视频（如旅行Vlog、产品评测）。
      特效滤镜增强 ：集成至社交平台工具链，提供动态滤镜或AR效果生成。

      7. 多模态艺术与创意实验
      艺术风格迁移 ：将静态艺术作品（如油画、插画）转化为动态视频，探索跨媒介艺术表达。
      AI生成电影短片 ：通过长视频生成能力创作实验性短片，推动AI在艺术领域的边界。

      8. 科研与国产化生态
      AI模型研究 ：开源特性为学术界提供高参数量多模态研究基座，推动视频生成技术迭代。
      国产硬件适配 ：支持华为昇腾平台，助力国产AI芯片在视频生成领域的落地应用。

      Step-Video-TI2V凭借大参数量、运动控制创新与开源策略，为视频生成领域树立新标杆，有望推动AIGC从“短片段创作”迈向“长视频工业化生产”时代。

      模型网址：https://github.com/stepfun-ai/Step-Video-TI2V