每經(jīng)杭州2月21日電（記者葉曉丹）在2月21日開(kāi)幕的全球開(kāi)發(fā)者大會(huì)（GDC）上，阿里云魔搭社區(qū)首發(fā)階躍星辰最新開(kāi)源的兩款多模態(tài)模型，包括全球參數(shù)量最大的開(kāi)源視頻生成模型Step-Video-T2V，以及業(yè)界首款產(chǎn)品級(jí)開(kāi)源語(yǔ)音交互模型Step-Audio。截至目前，魔搭社區(qū)已上架超過(guò)4萬(wàn)個(gè)開(kāi)源模型，涵蓋LLM、對(duì)話、語(yǔ)音、文生圖、圖生視頻等多個(gè)領(lǐng)域，是中國(guó)最大的AI模型社區(qū)。

此次在魔搭社區(qū)開(kāi)源的兩款模型，是近期全球多模態(tài)領(lǐng)域最熱門(mén)的開(kāi)源模型。Step-Video-T2V是基于300億參數(shù)的文本轉(zhuǎn)視頻預(yù)訓(xùn)練模型，能夠生成高達(dá)204幀的視頻，在指令遵循、運(yùn)動(dòng)平滑性、物理合理性、美感度等方面表現(xiàn)均顯著超過(guò)市面上既有的開(kāi)源視頻模型。

另一款上架模型Step-Audio，是業(yè)界首個(gè)產(chǎn)品級(jí)開(kāi)源語(yǔ)音模型，參數(shù)規(guī)模多達(dá)1300多億。根據(jù)Llama Question等5大主流公開(kāi)測(cè)試，Step-Audio模型性能均位列第一，并在HSK-6（漢語(yǔ)水平考試六級(jí)）的測(cè)評(píng)中表現(xiàn)尤佳。

封面圖片來(lái)源：視覺(jué)中國(guó)-VCG211379091969