Step-Video-TI2V é um modelo avançado de vídeo gerado por imagem desenvolvido pela Shanghai Jieyue Xingchen Intelligent Technology Co., Ltd. Ele é treinado com base em 30 bilhões de parâmetros do Step-Video-T2V e pode gerar vídeos de até 102 frames com base na entrada de texto e imagem. A principal vantagem do modelo reside em seus dois principais recursos: amplitude de movimento controlável e controle de movimento da câmera, que podem equilibrar a dinâmica e a estabilidade dos resultados de geração de vídeo. Além disso, ele apresenta um excelente desempenho na geração de vídeos em estilo anime, sendo muito adequado para criação de animações, produção de vídeos curtos, etc. A disponibilização em código aberto deste modelo fornece suporte técnico poderoso para o campo de geração de vídeo, impulsionando o desenvolvimento da tecnologia de geração multimodal.