Step-Video-T2V

Step-Video-T2V是由 阶跃星辰 与 吉利汽车集团 联合开源的一款先进文本生成视频（Text-to-Video）模型。这款模型在 2025 年 2 月 18 日正式发布，具备强大的多模态生成能力，支持中文和英文输入，适用于广告、影视制作、教育等多个场景。

其主要特点功能：

1. 强大的模型参数：拥有 300 亿参数，能够生成最长 204 帧的视频，支持高分辨率和流畅的动态效果。
2. 高效压缩技术：采用深度压缩变分自编码器（Video-VAE），实现 16×16 空间压缩和 8x 时间压缩，同时保持视频的高质量。
3. 双语支持：内置双语文本编码器，支持中文和英文输入，适应多语言用户需求。
4. 视觉质量优化：通过视频偏好优化（Video-DPO）技术，减少视频中的伪影，提升视觉效果，使生成的视频更加真实和自然。
5. 多场景适用：在运动、风景、动物、节日、3D 动画等多个类别中表现出色，适用于创意内容制作、广告、教育等领域。

Step-Video-T2V 是一款开源模型，用户可以通过其 GitHub 仓库获取代码和模型权重，方便开发者进行二次开发和应用。

Step-Video-T2V：一款开源的多模态文本生成视频模型