Step-Video是階躍星辰開發的視頻生成模型系列，包含文本到視頻（T2V）和圖生視頻（TI2V）等類型，主要採用深度壓縮變分自編碼器（Video-VAE）和擴散Transformer（DiT）架構。首款開源模型Step-Video-T2V於2025年2月發布，參數量達300億，支持生成204幀540P解析度視頻，集成三維全注意力機制和視頻直接偏好最佳化（DPO）技術。2025年3月10日，該模型在魔樂社區正式上架。
階躍星辰於2025年1月推出Step-Video V2版本，通過最佳化VAE模型和DiT架構提升生成效率，新增基礎文字生成與鏡頭運動控制功能。同年2月與吉利聯合發布開源圖生視頻模型Step-Video-TI2V，可生成102幀視頻並支持動態調節運動幅度與鏡頭參數。模型部署需Linux系統及支持CUDA的NVIDIA GPU，提供多卡並行推理方案。
基本介紹
- 外文名：Step-Video
- 類型：視頻生成模型
發展歷史
2025年2月，階躍星辰與吉利聯合發布直接生成204幀、540P解析度高質量視頻的視頻生成模型Step-Video-T2V。3月10日，魔樂社區（Modelers）上架由階躍星辰自研的Step-Video視頻生成開源多模態大模型。
