स्टेप-वीडियो वीडियो जनरेटिंग बड़े मॉडल का आंतरिक परीक्षण शुरू किया गया है, उपयोगकर्ता युआनवेन वीडियो वेबसाइट पर आंतरिक परीक्षण के लिए आवेदन कर सकते हैं। स्टेप-वीडियो मॉडल वर्तमान में टेक्स्ट से वीडियो जनरेट करने का समर्थन करता है, जो 1080P रिज़ॉल्यूशन और अधिकतम 10 सेकंड लंबे उच्च गुणवत्ता वाले वीडियो बना सकता है, एक वीडियो को पूरा करने में औसतन 2.5 मिनट लगते हैं, लेकिन यह स्वचालित रूप से संकेतों के अनुकूलन, सौंदर्यशास्त्र में प्रदर्शन और आंदोलन नियंत्रण के मामलों में महत्वपूर्ण लाभ दिखाता है।