---
title: "Step-Video-T2V"
description: "Step-Video-T2V（StepFun）：文生视频、视频生成；已验证。"
modelId: "step-video-t2v"
pageSource: generated
---
Step-Video-T2V 是阶跃星辰的大规模开源文生视频模型（上游 300 亿参数，MIT 权重位于 stepfun-ai/stepvideo-t2v）。在 WorldFoundry 中，公开 pipeline 由原生角色化组件与共享扩散 runner 装配—— DiT、Step-LLM 文本编码器、CLIP、调度器、潜变量初始化与 VAE 解码全部进程内执行。
记录论文为[arXiv 2502.10248](https://arxiv.org/abs/2502.10248)。
代码：[stepfun-ai/Step-Video-T2V](https://github.com/stepfun-ai/Step-Video-T2V)。
## 用来做什么
需要本系列的文生视频时选 `step-video-t2v`：prompt 进、生成视频出。它是 catalog 上的 T2V 起步线，不是编辑器，也不是世界模型步进器。
上游：30B DiT，配深压缩 Video-VAE（空间 16x16、时间 8x）与双语文本编码器。本仓库在进程内重装配原生 pipeline；原 xFuser 与 caption/VAE HTTP 服务运行时不再是后端。已验证使用真实权重的 204 帧 GPU 产物（一个受控提示词）。
catalog 记录的任务包括 文生视频、视频生成。别名包括 `step-video`、`stepvideo-t2v`、`step_video_t2v`。模态上，它接受文本，输出视频。
记录的评测入口包括[VBench](/zh/docs/evaluation/benchmark-hub/vbench)（标准开源文生视频质量评测）。
## 运行时契约
可选 `prompt`、`negative_prompt`、`frames`、`fps`、`height`；产物 `generated_video`、`step_video_t2v.mp4`。
CLI task profile：`interactive-video`。绑定的 pipeline 类是 `StepVideoT2VPipeline`。
系列状态：**已验证**。
`interactive-video` 记录默认值：frames=204, fps=25, height=544, width=992。
已验证使用真实权重在 GPU 上以 992x544、50 步生成的 204 帧视频（一个受控提示词）。 请使用 id step-video-t2v。 30B 规模需要充足显存或多卡配置。
## 在 WorldFoundry 中运行
catalog 启动命令是 `worldfoundry-eval run step-video-t2v --pipeline.task-profile interactive-video`。上方命令构建器按已记录任务切换 `--pipeline.task-profile`，发出的仍是 `worldfoundry-eval run`。
运行环境是统一 profile `worldfoundry-unified-cu128`（Python 3.11，CUDA 12.8）。
记录的权重仓库包括 `stepfun-ai/stepvideo-t2v`。准备环境并检查本地资产：`bash scripts/inference/prepare_model_infer.sh step-video-t2v`；下载缺失的公开权重时加 `--download`。
记录 license 为 mit；状态：**已验证**。