北京 – 阶跃星辰今日正式发布其视频生成模型Step-Video V2版本，标志着AI在视频创作领域又迈出了重要一步。这款新模型在参数量、语义理解和指令遵循能力上实现了显著提升，为用户带来更逼真、更具创造力的视频生成体验。用户现可通过跃问网页端申请试用。
Step-Video V2的核心升级体现在三大技术层面：
- VAE模型优化： V2版本采用了压缩比更高的VAE模型，将空间压缩16×16倍，时间压缩8倍。这一改进在保证重构质量的前提下，有效降低了模型计算复杂度，显著提升了生成效率。
- DiT架构与强化学习融合： 阶跃星辰对DiT模型进行了深度系统优化，包括超参优化、算法优化和并行优化，从系统层面保证了模型训练的高效性和稳定性。同时，引入针对视频生成的强化学习优化算法，进一步提升了视频生成质量，强化了生成视频的合理性和稳定性，使视频中的运动更流畅自然，细节更丰富细腻。
- 多模态大模型与视频知识库： V2版本采用了自研多模态理解大模型，能够对视频内容、镜头语言和文字实体进行精准描述。结合自建结构化视频知识库，为视频生成训练提供高质量多样化的视频数据，使模型能够更深入地理解视频内容，生成的视频更加符合语义，在细节上贴近真实世界。
这些技术升级使得Step-Video V2在以下几个方面表现突出：
- 复杂运动的流畅呈现： 无论是芭蕾舞、空手道、羽毛球还是跳水等复杂运动场景，V2版本都能精准捕捉并流畅呈现。
- 人物表情的细腻传神： 无论是真实人物还是虚构角色，V2版本都能精准捕捉人物神韵，细腻呈现每一处细节。
- 镜头语言的丰富多样： V2版本支持推、拉、摇、移、旋转、跟随等多种镜头运动方式，以及不同景别之间的切换，为视频创作带来更多可能性。
- 基础文字的精准生成： V2版本新增支持视频内基础文字的精准生成与自然融入，生成效果显著优于前代模型。
阶跃星辰表示，Step-Video V2的发布是其在AI视频生成领域持续创新和积累的成果。通过不断优化模型架构、引入先进算法和构建高质量数据集，阶跃星辰致力于打造更强大的真实世界模拟器，为用户提供更便捷、更高效的视频创作工具。
Step-Video V2的发布，无疑将推动AI视频生成技术的发展，为内容创作、教育、娱乐等领域带来新的机遇。随着技术的不断进步，我们有理由期待AI在视频创作领域发挥更大的作用，为人类创造更丰富多彩的视觉体验。
参考文献：
- 阶跃星辰官方网站：https://www.stepfunc.com/
- 跃问网页端：https://yuewen.cn/videos
Views: 2