上海階躍星辰智能科技有限公司宣布開源其最新的圖生視頻模型——Step-Video-TI2V。這一模型是基于30B參數的Step-Video-T2V訓練而成，能夠生成102幀、5秒、540P分辨率的視頻，具有運動幅度可控和鏡頭運動可控兩大核心特點，尤其在動漫效果方面表現出色。與現有的開源圖生視頻模型相比，Step-Video-TI2V不僅在參數規模上提供了更高的上限，其運動幅度可控能力還能平衡視頻生成結果的動態性和穩定性，為創作者提供了更靈活的選擇。

　　Step-Video-TI2V的開發過程中，團隊進行了兩大關鍵優化。首先，引入圖像條件以提高生成視頻與原圖的一致性。與傳統的cross-attention方法不同，該模型采用了更直接的方式，將圖像對應的向量表示與DiT第一幀對應的向量表示直接進行channel維度的拼接，從而確保生成的視頻與輸入圖片高度一致。其次，通過AdaLN模塊引入視頻動態性打分信息，使用戶在生成視頻時可以指定不同的運動級別，精準控制視頻的動態幅度，從而平衡動態性、穩定性和一致性。此外，團隊還對主體動作和鏡頭運動進行了專項精準標注，進一步提升了模型在主體動態性和運鏡效果上的表現。

　　Step-Video-TI2V的核心特點包括運動幅度可控、多種運鏡控制、動漫效果優異以及支持多尺寸生成。用戶可以根據創作需求自由切換動態與穩定畫面，生成從基本的推拉搖移、升降到復雜電影級運鏡效果的視頻。該模型在動漫類任務上的表現尤為突出，非常適合動畫創作和短視頻制作等應用場景。同時，它支持多種尺寸的圖生視頻，無論是橫屏、豎屏還是方屏，都能滿足不同平臺的需求。