导语
【免费下载链接】stepvideo-ti2v项目地址: https://ai.gitcode.com/StepFun/stepvideo-ti2v
AI视频生成领域再添强援——StepVideo-TI2V模型正式开源，以文本驱动的图文转视频能力、支持ComfyUI插件及全流程免费使用为核心亮点，为创作者提供了轻量化视频生成新选择。
行业现状：AI视频生成迈入轻量化时代
随着AIGC技术的快速迭代，文本生成视频（Text-to-Video）已从实验室走向商业化应用，但高门槛的技术要求和硬件成本仍是普通用户的主要障碍。当前主流模型如Sora需依赖巨额算力，而开源社区的轻量化方案则普遍面临视频质量与生成效率难以兼顾的问题。在此背景下，兼具高质量输出与易用性的开源工具成为市场迫切需求。
产品亮点：四大特性降低视频创作门槛
StepVideo-TI2V的核心优势在于将专业级视频生成能力“平民化”。首先，文本与图像双驱动模式支持用户输入图片与文字描述，即可生成连贯视频，例如通过一张静态人物照片和“男孩笑起来”的提示词，快速生成动态画面。其次，模型已集成至ComfyUI插件系统，用户可通过可视化界面调整参数，无需编写代码。
此外，项目采用分布式计算优化，通过文本编码器、VAE解码与DiT模型的解耦设计，降低单GPU显存压力。根据官方测试数据，在4张GPU并行运行时，生成768×768分辨率、102帧视频仅需288秒，峰值显存占用64.63GB，较单GPU方案效率提升近4倍。
如上图所示，该架构展示了模型如何通过解耦设计优化资源分配，文本编码器与VAE解码模块独立运行，核心计算资源集中于DiT（Diffusion Transformer）模型。这一设计显著提升了GPU利用率，为普通开发者提供了可行的本地化部署方案。
最后，全流程开源免费是其另一大吸引力。用户可通过GitHub获取代码，本地部署或调用API生成视频，且支持自定义运动强度（motion_score）、时间偏移（time_shift）等参数，满足不同场景需求。
行业影响：开源生态加速视频AIGC普及
StepVideo-TI2V的发布进一步推动了AI视频生成技术的普及化。对内容创作者而言，无需专业设备即可快速将图文素材转化为动态视频，适用于短视频制作、教育内容动画化等场景；对企业用户，其可定制化特性为广告营销、产品演示提供了低成本解决方案。
从技术生态看，模型已在Hugging Face开放权重，并提供详细技术报告，为研究社区贡献了视频生成的新范式。官方数据显示，项目发布首周GitHub星标数突破3000，ComfyUI插件下载量超5000次，反映出市场对轻量化视频工具的旺盛需求。
结论：轻量化与专业化的平衡之道
StepVideo-TI2V通过架构创新与开源策略，在视频生成质量、效率与成本间取得平衡，代表了AIGC工具从“实验室级”向“实用级”演进的重要方向。尽管当前仍需较高配置GPU支持（单卡生成102帧视频需76GB显存），但其分布式运行方案已降低了门槛。未来随着模型优化与硬件成本下降，图文转视频技术有望像如今的AI绘画一样，成为创作者的标配工具。
【免费下载链接】stepvideo-ti2v项目地址: https://ai.gitcode.com/StepFun/stepvideo-ti2v
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
