# Step-Video-TI2V – 阶跃星辰开源的图生视频模型

- Link: https://paooo.com/aigc-news/20900/
- Published: 2026-06-08T08:17:26+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 300 亿参数开源图生视频模型，支持图文输入生成最长 102 帧、5 秒、540P 视频。
 * 通过 motion score 调节动态与稳定性，并支持推拉摇移、旋转、环绕等多种运镜。
 * 采用 Video-VAE、DiT、DPO 与级联训练，兼顾生成质量、效率和中英文提示理解。

## Step-Video-TI2V是什么

Step-Video-TI2V 是阶跃星辰（StepFun）推出的开源图生视频（Image-to-Video）生成模型，
拥有 300 亿参数，能根据文本描述和图像输入生成最长 102 帧的视频。模型基于深度压缩
的变分自编码器（Video-VAE），实现了 16×16 的空间压缩和 8× 的时间压缩，显著提高了
训练和推理效率。用户可以通过设置运动分数（motion score）来平衡视频的动态性和稳定
性。支持推、拉、摇、移、旋转、跟随等多种镜头运动方式。

阅读目录

 * [Step-Video-TI2V是什么](https://paooo.com/aigc-news/20900/#stepvideoti2v%e6%98%af%e4%bb%80%e4%b9%88)
 * [Step-Video-TI2V的主要功能](https://paooo.com/aigc-news/20900/#stepvideoti2v%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Step-Video-TI2V的技术原理](https://paooo.com/aigc-news/20900/#stepvideoti2v%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Step-Video-TI2V的项目地址](https://paooo.com/aigc-news/20900/#stepvideoti2v%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [如何使用Step-Video-TI2V](https://paooo.com/aigc-news/20900/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8stepvideoti2v)
 * [Step-Video-TI2V的应用场景](https://paooo.com/aigc-news/20900/#stepvideoti2v%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Step-Video-TI2V](https://paooo.com/wp-content/uploads/2026/06/Step-Video-TI2V-
website-1.avif)

## Step-Video-TI2V的主要功能

 * **图生视频生成**：用户可以提供一张图片和相关的文本描述，模型会根据这些输入生成
   一段连贯的视频。
 * **高质量视频输出**：支持生成最多 102 帧、5 秒、540P 分辨率的视频，能满足多种创作
   需求。
 * **动态性调节**：用户可以通过设置运动分数（motion score）来控制视频的动态性。例如，
   运动分数为 2 时，视频更稳定但动态性较差；运动分数为 10 或 20 时，视频的动态性
   更强。
 * **平衡动态与稳定**：通过运动分数的调节，用户可以在动态效果和稳定性之间找到最佳
   平衡。
 * **镜头运动控制**：支持多种运镜方式，包括固定镜头、上下左右移动、上下左右摇、放大
   缩小、推进拉远、旋转、环绕以及焦点转移等。
 * **电影级运镜效果**：能生成类似电影级别的复杂运镜效果，满足专业创作需求。
 * **动漫效果优化**：在动漫风格视频生成方面表现出色，能生成具有虚化背景、动态动作
   等特效的视频。适合用于动画创作、短视频制作等应用场景。
 * **灵活的视频尺寸**：支持多种尺寸的视频生成，包括横屏、竖屏和方屏，用户可以根据
   不同的创作需求和平台特性选择合适的视频尺寸。
 * **多语言支持**：配备双语文本编码器，支持中英文提示输入，方便不同语言背景的用户
   使用。
 * **特效生成能力**：初步具备特效生成能力，未来将通过技术优化进一步提升特效生成效果。

## Step-Video-TI2V的技术原理

 * **深度压缩的变分自编码器（Video-VAE）**：Step-Video-TI2V 使用了深度压缩的变分
   自编码器（Video-VAE），实现了 16×16 的空间压缩和 8× 的时间压缩。显著降低了视频
   生成任务的计算复杂度，同时保持了优异的视频重建质量。Video-VAE 采用了双路径架构，
   能有效分离高低频信息，进一步优化视频生成的效果。
 * **基于扩散的 Transformer（DiT）架构**：模型基于扩散的 Transformer（DiT）架构，
   包含 3D 全注意力机制。通过 Flow Matching 训练方法，将输入噪声逐步去噪为潜在帧，
   将文本嵌入和时间步作为条件因子。这种架构在生成具有强烈运动动态和高美学质量的视频
   方面表现出色。
 * **双语文本编码器**：Step-Video-TI2V 配备了双语文本编码器，能处理中英文提示。使
   模型可以直接理解中文或英文输入，生成与文本描述相符的视频。
 * **直接偏好优化（DPO）**：为了进一步提升生成视频的质量，Step-Video-TI2V 引入了
   视频直接偏好优化（Video-DPO）方法。DPO 通过人类偏好数据对模型进行微调，减少伪
   影并增强视觉效果，使生成的视频更加平滑和真实。
 * **级联训练策略**：模型采用了级联训练流程，包括文本到图像（T2I）预训练、文本到
   视频/图像（T2VI）预训练、文本到视频（T2V）微调和直接偏好优化（DPO）训练。加速
   了模型的收敛，充分利用了不同质量的视频数据。
 * **系统优化**：Step-Video-TI2V 在系统层面进行了优化，包括张量并行、序列并行和 
   Zero1 优化，实现高效的分布式训练。引入了高性能通信框架 StepRPC 和双层监控系统
   StepTelemetry，优化数据传输效率和识别性能瓶颈。

## Step-Video-TI2V的项目地址

 * **Github仓库**：[https://github.com/stepfun-ai/Step-Video-TI2V](https://github.com/stepfun-ai/Step-Video-TI2V)
 * **HuggingFace模型库**：[https://huggingface.co/stepfun-ai/stepvideo-ti2v](https://huggingface.co/stepfun-ai/stepvideo-ti2v)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2503.11251](https://arxiv.org/pdf/2503.11251)

## 如何使用Step-Video-TI2V

 * **访问跃问视频**：访问[跃问视频](https://ai-bot.cn/yuewen-videos/)的官方网站或
   App端。
 * **操作步骤**：点击上传图片，输入文本描述。调整参数（如运动分数等）。点击生成按钮，
   下载或分享视频。

## Step-Video-TI2V的应用场景

 * **动画制作**：Step-Video-TI2V 特别擅长生成动漫风格的视频，能根据输入的图片和文本
   描述生成流畅的动画。
 * **短视频制作**：模型支持多种运镜方式，如推拉摇移、旋转、环绕等，能生成具有电影
   级效果的短视频。
 * **动作教学**：Step-Video-TI2V 可以生成复杂动态场景，如体育动作教学、舞蹈教学等。
 * **特效制作**：模型能生成具有美感和真实感的视频，适用于电影、电视剧和游戏中的特效
   制作。
 * **产品展示**：Step-Video-TI2V 可以生成吸引人的广告视频，展示产品特点或品牌故事。

❓ 常见问题解答（FAQ）

Step-Video-TI2V适合做什么视频？

它主要适合图生视频创作，尤其是动漫风格动画、短视频、动作教学、产品展示和特效制作。
模型支持多种镜头运动与动态控制，能生成更具电影感的视频效果。

Step-Video-TI2V的motion score怎么用？

motion score 用来调节视频动态性与稳定性的平衡。分数较低时画面更稳但动作更少；分数
较高时动态更强，但画面波动也会增加。可根据题材灵活调整。

Step-Video-TI2V支持中文提示词吗？

支持。文章提到它配备双语文本编码器，可直接理解中文或英文提示输入，方便不同语言用户
进行图生视频生成。

🔬 语宙深潜追问 · 进阶实操拆解

102帧长视频怎么避免后半段崩坏？

核心是分段生成与时序约束。先用关键帧锁定主体、镜头和动作节奏，再做局部补帧或重采样；
同时减少提示词漂移，控制运动幅度，能显著降低后半段人物变形和场景漂移。

图生视频最适合哪些商业创作流程？

最适合短平快的分镜预演、广告变体和社媒短内容。先用静帧定风格，再批量生成多个镜头
版本，最后人工挑选和二次剪辑，比从零拍摄更省时间，但不适合强剧情长片直接替代。

🗳️ 读者观点微投票 · 您的实战立场是？

图生视频开源后，先拼画质还是先控运镜？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [Step-Video-T2V – 阶跃星辰开源的文本到视频模型](https://paooo.com/aigc-news/21927/)
 * [Step-Video V2 – 阶跃星辰推出的升级版视频生成模型](https://paooo.com/aigc-news/22613/)
 * [Lightricks LTX-2.3 开源发布：220亿参数视频生成模型，支持4K竖屏与音视频同步](https://paooo.com/ai-tool/11301/)
 * [LTXV-13B – Lightricks开源的最新视频生成模型](https://paooo.com/aigc-news/19891/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20900/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
