爆料：「阶跃星辰」正开源「文生视频」模型

该模型为 30B 大小，支持生成最长 204 帧（544×992px）视频，效果惊艳。 技术要点： 1. 深度压缩视频 VAE（16×16 空间压缩 + 8× 时间压缩），降低训练/推理成本； 2. 3D 全注意力 DiT 架构，适配动态分辨率； 3. 视频偏好优化（DPO），通过人类反馈提升流畅度与真实感。支持中英文输入，提供基础版（50 步生成）和 Turbo 版（15 步蒸馏加速），实测生成 204 帧视频需 4 块 80GB GPU（12 分钟）。 目前尚未官宣 github：https://github.com/stepfun-ai/Step-Video-T2V huggingface：https://huggingface.co/stepfun-ai