在2月21日开幕的全球开发者大会（GDC）上，阿里云魔搭社区首发阶跃星辰最新开源的两款多模态模型，包括全球参数量最大的开源视频生成模型Step-Video-T2V，以及业界首款产品级开源语音交互模型Step-Audio。截至目前，魔搭社区已上架超过4万个开源模型，涵盖LLM、对话、语音、文生图、图生视频等多个领域，是中国最大的AI模型社区。
此次在魔搭社区开源的两款模型，是近期全球多模态领域最热门的开源模型。Step-Video-T2V是基于300亿参数的文本转视频预训练模型，能够生成高达204帧的视频，在指令遵循、运动平滑性、物理合理性、美感度等方面表现均显著超过市面上既有的开源视频模型。
另一款上架模型Step-Audio，是业界首个产品级开源语音模型，参数规模多达1300多亿。根据Llama Question等5大主流公开测试，Step-Audio模型性能均位列第一，并在HSK-6（汉语水平考试六级）的测评中表现尤佳。
