近日，魔樂社區（Modelers）正式上線了由階躍星辰研發的 Step-Video 和 Step-Audio 兩款開源多模態大模型。這兩款模型分別用於視頻生成和語音交互，旨在爲開發者和企業用戶提供更強大的 AI 工具。

Step-Video 模型的全名爲 Step-Video-T2V，這是一款參數量高達300億的全球最大開源視頻生成模型。該模型能夠直接生成204幀、540P 分辨率的高質量視頻，並在指令遵循、運動平滑性、物理合理性以及美感等方面，表現超越了市場上現有的頂尖開源視頻模型。另一方面，Step-Audio 則是業內首款能夠生成多種情感、方言、語言、唱腔和個性化風格的語音的大模型。這一技術的發佈，標誌着 AI 語音交互領域的一次重要突破。

元宇宙 科幻 賽博朋克 繪畫 (4)大模型

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

值得一提的是，這些模型是基於華爲昇騰 CANN 異構計算架構和昇騰服務器進行適配的。開發者和企業用戶可以在魔樂社區中便捷地下載和體驗這些模型。爲了進一步降低使用門檻，魔樂社區還提供免費算力支持，讓用戶可以在線進行模型推理，而無需複雜的環境搭建，快速驗證他們的 AI 方案。

此外，階躍星辰的開源模型受到了多個行業標杆企業的關注，包括天數智芯、阿里雲、火山引擎、TCL 等各行各業的廠商已紛紛接入這一開源生態。未來，階躍星辰計劃在3月份推出新的圖生視頻模型，進一步豐富其產品線。

華爲昇騰與階躍星辰的這一合作不僅拓展了多模態 AI 模型的應用場景，也爲開發者提供了更爲強大的工具，推動了整個行業的技術進步。