主要观点总结
阶跃星辰联合吉利汽车集团开源了两款多模态大模型：Step-Video-T2V和Step-Audio。这两款模型在Benchmark中表现优秀，性能超过国内外同类开源模型。Step-Video-T2V可以直接生成视频，最长可达204帧，分辨率540P，并引入Video-VAE技术提高生成效率。Step-Audio是行业内首款产品级开源语音交互大模型，具备高逼真度和丰富的语音表达能力。阶跃星辰的开源行动旨在促进大模型技术的共享与创新，推动人工智能的普惠发展。同时，通过开源策略降低产业接入门槛，吸引更多开发者使用其模型。中国开源力量正在壮大，阶跃星辰的开源行动是中国开源力量崛起的一个缩影。
关键观点总结
关键观点1: 开源两款多模态大模型
阶跃星辰联合吉利汽车集团开源了Step-Video-T2V和Step-Audio两款多模态大模型，这是国内首次开源此类模型。
关键观点2: 模型性能表现优秀
这两款模型在Benchmark中表现优秀，性能超过国内外同类开源模型，经过实测验证其效果。
关键观点3: Step-Video-T2V的技术特点
Step-Video-T2V可以生成最长204帧、分辨率540P的视频，并引入Video-VAE技术提高生成效率。此外，它还具有先进的预训练和后训练策略，包括训练效率的提升和Video-DPO算法的引入。
关键观点4: Step-Audio的特点
Step-Audio是行业内首款产品级开源语音交互大模型，具备高逼真度和丰富的语音表达能力。它可以根据不同的场景需求生成不同风格的语音表达，与用户进行高质量对话。
关键观点5: 开源行动的目的
阶跃星辰的开源行动旨在促进大模型技术的共享与创新，推动人工智能的普惠发展。通过开源策略降低产业接入门槛，吸引更多开发者使用其模型。
关键观点6: 中国开源力量的崛起
随着阶跃星辰的开源行动和中国开源力量的壮大，中国在全球开源领域的影响力不断提升。阶跃星辰的开源行动是中国开源力量崛起的一个缩影。
文章预览
图片来源：由无界AI生成 刚刚，阶跃星辰联合吉利汽车集团，开源了两款多模态大模型！ 新模型共2款： 全球范围内参数量最大的开源视频生成模型Step-Video-T2V 行业内首款产品级开源语音交互大模型Step-Audio 多模态卷王开始开源多模态模型，其中Step-Video-T2V采用的还是最为开放宽松的MIT开源协议，可任意编辑和商业应用。 （老规矩，GitHub、抱抱脸、魔搭直通车可见文末） 在两款大模型的研发过程中，双方在算力算法、场景训练等领域优势互补，“显著增强了多模态大模型的性能表现”。 从官方公布的技术报告来看，这次开源的两款模型在Benchmark中表现优秀，性能超过国内外同类开源模型。 抱抱脸官方也转发了中国区负责人给予的高度评价。 划重点，“The next DeepSeek”、“HUGE SoTA”。 哦，是吗？ 那量子位可要在本篇文章中掰开技术报告+一手实测
………………………………
