Hugging Face CEO轉發支持。

原標題：DeepSeek迎最強隊友！國產大模型開源猛踩油門，全球第一，免費可用，技術報告公開
文章來源：智東西
內容字數：4301字

中國AI開源勢力崛起：階躍星辰開源全球最大參數量開源文生視頻模型

近日，中國AI大模型廠商階躍星辰與吉利汽車集團聯合開源了兩款Step系列多模態大模型：Step-Video-T2和Step-Audio。這一舉動得到了Hugging Face CEO的轉發支持，標志著中國AI開源勢力進一步崛起。

1. Step-Video-T2：全球參數量最大的開源文生視頻模型

Step-Video-T2擁有300億參數，是目前全球參數量最大的開源文生視頻大模型。它能夠生成最長204幀、540P分辨率的視頻，并展現出較強的語義理解和指令遵循能力，可以還原復雜的和運鏡要求。該模型采用了高壓縮比的Video-VAE模型，顯著提高了訓練和生成效率。此外，它還利用雙語文本編碼器處理中英文提示，并優化了基于流匹配的DIT架構和Video-DPO算法，提升了視頻生成質量。階躍星辰還開源了用于評估文生視頻質量的新基準數據集Step-Video-T2V-Eval。

2. Step-Audio：高效的語音交互模型

Step-Audio語音交互模型能夠根據不同場景需求生成各種風格的語音，并支持語音識別、語義理解、對話、語音克隆、音頻編輯和語音合成。它在多個主流公開測試集中性能排名第一，并解決了現有級聯架構語音交互系統存在的延遲、錯誤傳播等問題。階躍星辰還開源了高效的Step-Audio-TTS-3B模型和多維度評估體系StepEval-Audio-360基準測試。

3. 開源的意義和影響

階躍星辰開源Step系列模型，旨在分享技術成果，推動多模態模型技術發展，并促進產業落地。 其采用MIT開源協議，與DeepSeek一致。這一舉動在DeepSeek掀起的開源浪潮之后，進一步壯大了中國AI開源勢力，為開發者提供了更多機會，加速了AI技術創新。

4. 模型性能及局限

雖然Step-Video-T2在生成復雜和畫面細節方面表現出色，但在處理高難度動作（例如跳水）時，仍存在一些肢體扭曲等問題。 這體現了當前文生視頻技術仍處于發展階段。

5. 總結

階躍星辰開源Step系列模型是推動中國AI開源生態發展的重要一步，其高性能模型和開源數據集將為AI社區帶來巨大貢獻，并有望加速多模態AI技術的應用和發展。

聯系作者

文章來源：智東西
作者微信：
作者簡介：智能產業新媒體！智東西專注報道人工智能主導的前沿技術發展，和技術應用帶來的千行百業產業升級。聚焦智能變革，服務產業升級。