原標題：全球最大開源視頻模型Step-Video-T2V一手實測
文章來源：科技未來派
內容字數：3439字

國產AI大模型強勢來襲：階躍星辰開源雙模態模型，引領技術新潮流

近日，國內AI創業公司階躍星辰與吉利汽車集團強強聯手，聯合開源了兩款多模態大模型：Step-Video-T2V視頻生成模型和Step-Audio語音交互模型，在AI領域掀起一股熱潮。其中，Step-Video-T2V更是被官方宣稱為全球參數量最大、性能最好的開源視頻生成模型，引發廣泛關注。

Step-Video-T2V：引領視頻生成新高度

Step-Video-T2V憑借其卓越的性能，在視頻生成領域樹立了新的標桿。其四大技術特點令人矚目：

首先，它能夠直接生成最長204幀、540P分辨率的視頻，確保視頻內容的一致性和信息密度。其次，它采用高壓縮比的Video-VAE，在保證視頻重構質量的同時，將訓練和生成效率提升了驚人的64倍。再次，對DiT模型進行了深入的系統優化，確保訓練過程的高效性和穩定性。最后，它詳細介紹了完整的訓練策略，為其他研究者提供了寶貴的經驗。

為了客觀評估模型性能，階躍星辰還開源了Step-Video-T2V-Eval評測數據集，涵蓋了、風景、人物等11個內容類別，共計128個真實用戶評測問題。評測結果顯示，Step-Video-T2V在指令遵循、平滑性等方面全面超越了此前最好的開源模型。

實際測試中，Step-Video-T2V在復雜的場景描述下，例如“希區柯克式變焦鏡頭，廢棄工廠內部，神秘人物持槍從長廊盡頭迎面走來”，也能展現出優秀的鏡頭控制能力和細節處理，體現了其強大的技術實力。

Step-Audio：自然流暢的語音交互體驗

與Step-Video-T2V同時發布的Step-Audio語音交互模型，也展現了其在語音生成領域的出色表現。其反應速度快，生成的語音自然流暢，并具備一定的情商。據悉，Step-Audio還具備高質量音色復刻和角色扮演功能，未來將在影視娛樂、社交、游戲等領域大展身手。

雖然在實際測試中，Step-Audio的表現并未展現出特別驚艷之處，但這或許與其當前的版本和應用場景有關，未來仍有很大的提升空間。

開源的意義：推動中國AI技術發展

階躍星辰此次開源雙模態大模型，不僅展現了中國AI技術的蓬勃發展，更體現了其開放合作的理念。通過開源，更多開發者可以參與到模型的改進和應用中，加速AI技術的進步，最終惠及更廣泛的用戶。

這不僅是技術層面的突破，更是中國AI領域走向世界舞臺的重要一步，標志著中國力量在全球AI競賽中將扮演越來越重要的角色。

未來，我們期待看到更多像階躍星辰這樣的企業，以開放的心態，推動中國AI技術持續創新，為世界帶來更多驚喜。

聯系作者

文章來源：科技未來派
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破