不知道从何时起，脑海里就有着阶跃星辰的多模态能力遥遥领先的印象。

无论去哪旅游，以前是用谷歌地图，现在基本都用「跃问」，看到长得奇特的建筑就拍来问问，还能跟 AI Chat 一下历史。

这不，最近来新加坡出差了，顺便旅旅游，就又用上了「跃问」。

但这不是重点，重点是我在跃问网页端，发现了一个标记为 new 的这个东西。

不看不知道，一看吓一跳，出现了，是「跃问视频」🤩

看来阶跃悄咪咪就把视频生成模型放出来了。我看了下，跃问 App 里和阶跃星辰官网上还没有

https://yuewen.cn/videos

于是特工们去打听了一圈，原来阶跃星辰 Step-Video 视频生成模型 V1 版本已经开启了内测，部分视频生成领域的头部创作者已经率先参与了测试。

我们寻思，之前阶跃的 Step 系列的语言大模型、视觉理解大模型都算是“模”中龙凤，那么搞 AI 视频生成，也应该会艳压群“模”？🤔

于是，依托超强的线索挖掘能力与人脉，特工们也是搞到了一个测试账号😎

我们测试发现，Step-Video 目前支持文生视频，支持生成 1080P 最长达 10s 的高清视频。

美中不足的就是生成速度较慢，平均一条需要 2.5 min.

此外，「跃问视频」还有三个优势。

自动优化提示词。

你是否还在像我一样，每次输入 Prompt 还是零星几个词，或是每次都要去收藏夹复制那堆描述？

跃问一键直接帮你详细地润色好，比如当我输入“美丽的特工少女”👇

美学风格在中国风题材上表现较为突出。

之前尝试过的视频生成模型，对于一些中国元素的呈现效果欠佳。但是「跃问视频」实现的效果还是不错的！

比如这个在照镜子的身穿旗袍的女子，人物脸部稳定，镜子内外的装束和头部动作完全一致，神态也基本统一。就是绿色手镯没表现出来，瑕不掩瑜。

拿着江南油纸伞的古装女子，眼波流转中的温婉大方，以及背景中不羁的狂草书法，都拿捏到位了。

空山新雨后，天气晚来秋。明月松间照，清泉石上流。输入一句古诗词，跃问视频可以精准理解语义并生成符合古诗意境的内容。让人想起阶跃之前发布的语言大模型 Step-2，有个特色能力也是古诗内容创作能打，可能是既有模型能力的延续。

在运动控制上表现较为优异。

不知道宝子们有没有刷到过类似的短视频，由于目前 AI 还比较难理解人类的体育运动，所以经常会生成一些抽象的东西😇

AI 很难充分理解动作的内在规律，常常出现动作突变和不连贯的问题。这种问题在处理长时间范围内发生的变化时尤为明显。

AI 视频内容创作圈内有言：运动是视频生成领域皇冠上的明珠，因为它最具挑战性。

要生成符合物理运动的规律的视频，意味着空间位置透视关系、不同物体相互作用并在碰撞中产生形态变化等等细节都要处理到位，而这不仅需要大量训练数据，还需要模型对语义有极深度的理解。

因此人类和物体大幅度运动的生成效果，也成了当下流行的检验一个视频生成模型效果方式。

我们用运动类 Prompt 对跃问进行了轮番轰炸。诚然，开盲盒得到的效果并非都十全十美，但也惊喜到了我们。

比如这个射箭的视频，运动员动作流畅而精准，清晰地展示了每一个动作细节，从拉弓到射箭一气呵成。

毛茸茸的绿色小怪兽从屏幕中一跃而出，在模拟现实物理世界的空间位置关系上，「跃问视频」表现得也不错。

还有 duangduang 干啤酒的蒙娜丽莎，动作连贯顺畅，啤酒的泡沫和酒瓶与手之间的空间透视关系也处理得不错。

在写这篇稿子的同时，特工们还收到另一个情报—— Step-Video 的下一个版本也已经在路上了！

好家伙，你小汁，在其他家都在大力投放抓人眼球的时候，已经悄咪咪开卷下一代是吧。