Step-Video-TI2V是什么

Step-Video-TI2V 是由階躍星辰團(tuán)隊(duì)開源的一款基于文本驅(qū)動(dòng)的ai圖生視頻模型，可以根據(jù)用戶輸入的文本提示和圖像生成高質(zhì)量的視頻。它在動(dòng)漫風(fēng)格視頻生成方面表現(xiàn)出色，支持運(yùn)動(dòng)控制、多語(yǔ)言輸入和多種視頻格式輸出。

Step-Video-TI2V功能

• 文本驅(qū)動(dòng)的圖生視頻：根據(jù)用戶提供的文本提示和輸入圖像，生成與文本和圖像內(nèi)容高度一致的視頻。

• 運(yùn)動(dòng)控制：用戶可以指定不同的運(yùn)動(dòng)級(jí)別，精確控制視頻的動(dòng)態(tài)幅度，平衡動(dòng)態(tài)效果和穩(wěn)定性。

• 高質(zhì)量視頻輸出：能夠生成 102 幀、5 秒、540P 分辨率的視頻，支持多種視頻寬高比（橫屏、豎屏和正方形）。

• 多語(yǔ)言支持：支持中英文輸入，方便不同語(yǔ)言背景的用戶使用。

• 指令遵循與內(nèi)容一致性：在指令遵循、主體和背景一致性以及物理規(guī)律遵循等方面表現(xiàn)出色，生成的視頻內(nèi)容符合用戶的期望。

• 基準(zhǔn)測(cè)試支持：開發(fā)了 Step-Video-TI2V-ｅｖａｌ 基準(zhǔn)數(shù)據(jù)集，包含 178 個(gè)真實(shí)世界的提示-圖像對(duì)和 120 個(gè)動(dòng)漫風(fēng)格的提示-圖像對(duì)，用于評(píng)估模型性能。

Step-Video-TI2V應(yīng)用

• 內(nèi)容創(chuàng)作：為視頻創(chuàng)作者提供靈感和素材，快速生成視頻內(nèi)容，節(jié)省時(shí)間和精力。

• 動(dòng)漫制作：在動(dòng)漫風(fēng)格視頻生成方面表現(xiàn)出色，可用于動(dòng)漫角色的動(dòng)作展示、場(chǎng)景動(dòng)畫等。

• 廣告與營(yíng)銷：生成吸引人的視頻廣告，展示產(chǎn)品或服務(wù)的特點(diǎn)和優(yōu)勢(shì)。

• 教育與培訓(xùn)：制作教育視頻，幫助學(xué)生更好地理解和記憶知識(shí)。

• 娛樂與社交媒體：為用戶提供有趣的視頻生成體驗(yàn)，分享到社交媒體上，增加互動(dòng)性和趣味性。

Step-Video-TI2V安裝與使用

安裝

1. 環(huán)境要求：需要 Python 3.8 及以上版本，以及 CUDA 11.3 及以上版本（用于 GPU 加速）。

2. 安裝依賴：通過(guò)以下命令安裝所需的 Python 包：

pip install -r requirements.txt

3. 下載模型：從 Hugging Face 或 Modelscope 下載模型文件，并將其放置在指定目錄下。

使用

1. 準(zhǔn)備輸入數(shù)據(jù)：準(zhǔn)備一張輸入圖像和一個(gè)文本提示，確保文本提示與輸入圖像內(nèi)容相關(guān)。

2. 運(yùn)行代碼：使用以下命令運(yùn)行模型生成視頻：

python generate_video.py --image_path  --text_prompt "" --output_path

3. 調(diào)整參數(shù)：根據(jù)需要調(diào)整運(yùn)動(dòng)控制參數(shù)（如運(yùn)動(dòng)幅度）和其他生成參數(shù)，以獲得理想的視頻效果。

相關(guān)鏈接

• GitHub 代碼倉(cāng)庫(kù)：https://github.com/stepfun-ai/Step-Video-TI2V

• Hugging Face 模型頁(yè)面：https://huggingface.co/stepfun-ai/stepvideo-t2v

• Modelscope 模型頁(yè)面：https://modelscope.cn/models/stepfun-ai/stepvideo-ti2v

• Github-ComfyUI：https://github.com/stepfun-ai/ComfyUI-StepVideo
  

• 論文：https://arxiv.org/abs/2503.08334