# STIV – 苹果公司推出的视频生成大模型

- Link: https://paooo.com/aigc-news/24909/
- Published: 2026-07-10T13:18:29+08:00
- Author: Prompt 语宙研究院

## STIV是什么

STIV（Scalable Text and Image Conditioned Video Generation）是苹果公司推出的[视频生成](https://ai-bot.cn/ai-video-generation-tools/)
[大模型](https://paooo.com/ai-study/)。STIV拥有8.7亿参数，能处理文本到视频（T2V）
和文本图像到视频（TI2V）任务，基于联合图像-文本分类器自由引导（JIT-CFG）提升视频
生成质量。STIV模型基于PixArt-Alpha架构，融合时空注意力机制、旋转位置编码（RoPE）
和流匹配训练目标，增强视频生成的稳定性和效率。STIV支持多种下游应用，如视频预测、
帧插值和长视频生成等。

阅读目录

 * [STIV是什么](https://paooo.com/aigc-news/24909/#stiv%e6%98%af%e4%bb%80%e4%b9%88)
 * [STIV的主要功能](https://paooo.com/aigc-news/24909/#stiv%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [STIV的技术原理](https://paooo.com/aigc-news/24909/#stiv%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [STIV的项目地址](https://paooo.com/aigc-news/24909/#stiv%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [STIV的应用场景](https://paooo.com/aigc-news/24909/#stiv%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![STIV](https://paooo.com/wp-content/uploads/2026/07/STIV-website-1.avif)

## STIV的主要功能

 * **文本到视频（T2V）和文本图像到视频（TI2V）生成**：STIV能根据文本提示或结合文本
   和初始图像帧生成视频内容。
 * **多模态条件支持**：模型支持基于文本和图像的条件进行视频生成，增强视频内容与输入
   条件的一致性。
 * **视频预测**：模型对视频未来帧进行预测，适用于自动驾驶和嵌入式AI等领域。
 * **帧插值**：在给定的帧之间生成中间帧，提高视频的流畅度和连续性。
 * **多视角生成**：从单一视角生成视频的新视角，增强视频的立体感和真实感。
 * **长视频生成**：基于关键帧预测和帧插值技术，生成更长时长的视频内容。

## STIV的技术原理

 * **Diffusion Transformer（DiT）**：基于DiT架构，能有效处理时空数据。
 * **帧替换**：在训练过程中，将噪声帧替换为无噪声的图像条件帧，增强视频生成的准确
   性和一致性。
 * **联合图像-文本分类器自由引导（JIT-CFG）**：一种无分类器引导技术，调整文本和图像
   条件的权重，优化视频生成过程。
 * **时空注意力机制**：基于分解的时空注意力机制，分别处理空间和时间维度的特征，提高
   模型的效率和效果。
 * **旋转位置编码（RoPE）**：RoPE增强模型处理相对时空关系的能力，更好地适应不同分辨
   率的生成任务。
 * **流匹配训练目标**：用流匹配目标替代传统的扩散损失，实现更优的条件最优传输策略，
   提升生成质量。

## STIV的项目地址

 * **HuggingFace模型库**：[https://huggingface.co/papers/2412.07730](https://huggingface.co/papers/2412.07730)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2412.07730](https://arxiv.org/pdf/2412.07730)

## STIV的应用场景

 * **娱乐与社交媒体**：用户生成个性化的视频内容，如舞蹈、旅行或日常生活的短视频，
   在抖音、Instagram等社交平台上分享。
 * **广告与营销**：企业创建动态的广告视频，根据产品特点或服务优势快速生成吸引人的
   视频内容，提高广告的吸引力和转化率。
 * **教育与培训**：教育机构生成教育视频，如模拟实验过程或历史事件，为学生提供更加
   直观和互动的学习体验。
 * **新闻与报道**：新闻机构将新闻报道转化为视频内容，快速生成新闻故事的可视化呈现，
   提高新闻的传播效率和观众的理解度。
 * **自动驾驶与仿真**：自动驾驶技术公司生成各种交通场景的视频，测试和训练自动驾驶
   系统的决策和反应能力。

[🏛️ 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/24909/?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/)