阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

• AI科技

阶跃星辰与吉利汽车集团强强联手，共同开源了两款重磅多模态大模型，为全球AI领域注入强劲动力！这两款模型分别是：全球参数量最大的开源视频生成模型Step-Video-T2V，以及行业内首款产品级开源语音交互大模型Step-Audio。作为多模态模型的领军者，阶跃星辰此次以开放姿态，将这两款尖端模型以最宽松的MIT开源协议释放给公众，充分展现了其技术自信与产业赋能的决心。（获取方式：GitHub、抱抱脸、魔搭均有资源）

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

在研发过程中，双方在算力算法、场景训练等领域实现优势互补，显著提升了多模态大模型的性能表现。官方技术报告显示，这两款开源模型在Benchmark测试中表现卓越，性能超越国内外同类模型。抱抱脸官方也转发了中国区负责人给予的高度评价，称其为“下一个DeepSeek”、“HUGE SoTA”。量子位将深入剖析技术报告并实测验证，看看它们是否名副其实。目前，这两款新模型已接入跃问App，用户可免费体验。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

作为阶跃星辰首次开源的多模态模型，Step-Video-T2V和Step-Audio备受瞩目。先来聚焦全球参数量最大的开源视频生成大模型——Step-Video-T2V。其30B的参数量使其成为行业标杆，原生支持中英双语输入，具备四大核心技术优势：

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

第一，可直接生成最长204帧、540P分辨率的视频，确保内容高度一致性与信息密度。第二，针对视频生成任务设计的高压缩比Video-VAE，能在保持重构质量的前提下，将视频空间维度压缩16×16倍，时间维度压缩8倍，训练和生成效率提升64倍。第三，对DiT模型的超参设置、结构及训练效率进行深度优化，保障训练过程高效稳定。第四，完整呈现预训练与后训练策略，涵盖各阶段任务目标、数据构建筛选方式。此外，模型在训练后期引入Video-DPO（视频偏好优化）算法，进一步提升生成视频的合理性与稳定性，使运动更流畅、细节更丰富、指令对齐更精准。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

为全面评估文生视频质量，阶跃发布了全新基准数据集Step-Video-T2V-Eval。该数据集包含128条真实用户中文评测问题，覆盖运动、风景、动物、组合概念、超现实等11个内容类别。评测结果显示，Step-Video-T2V在指令遵循、运动平滑性、物理合理性、美感度等维度全面超越此前最佳开源视频模型，为整个领域提供了新的研究与创新基础。实际效果方面，阶跃官方介绍，Step-Video-T2V在复杂运动、美感人物、视觉想象力、基础文字生成、中英双语输入和镜头语言等方面表现突出，语义理解与指令遵循能力卓越，能有效助力视频创作者实现精准创意呈现。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

量子位实测验证了这些宣称：第一关测试复杂运动生成能力。以往模型在生成芭蕾/国标舞、艺术体操等片段时，常出现三只腿、双臂交叉等怪异画面。而Step-Video-T2V生成的羽毛球场面，人物动作、场景、镜头、光线完全吻合，细节逼真。第二关挑战美感人物生成。生成的男性角色五官端正、皮肤纹理真实、伤痕清晰，被评价为“没什么AI感”，兼具逼真与自然表情。第三关测试运镜能力。模型能精准执行推拉摇移等指令，生成效果展现出色的语义理解与指令遵循能力，甚至能轻松生成基础文字内容。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

另一款开源模型Step-Audio是行业内首款产品级语音交互模型。在阶跃自建的多维度评估体系StepEval-Audio-360测试中，Step-Audio在逻辑推理、创作能力、指令控制等六大维度均取得最佳成绩。在LlaMA Question、Web Questions等五大主流公开测试集中，其性能均超越同类开源模型。尤其在HSK-6评测中表现亮眼。实测发现，Step-Audio能根据场景需求生成情绪、方言、语种、歌声等多样化表达，与用户实现自然高质量对话。其生成的语音逼真自然、高情商，还能实现音色复刻与角色扮演，满足影视娱乐、社交、游戏等行业的应用需求。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

阶跃开源生态的崛起堪称“卷王”本色。旗下Step系列多模态模型屡次斩获权威评测榜首：去年11月，Step-1V在多模态理解大模型榜单中位列视觉领域中国大模型第一；今年1月，Step-1o系列又夺得国内多模态模型评测实时榜单冠军。截至最新，阶跃已发布11款多模态大模型，上个月更是6天连发6模型，覆盖全赛道。此次开源的Step-Video-T2V和Step-Audio再次巩固其“多模态卷王”地位。凭借强大实力，阶跃API自2024年开始被市场广泛接入，形成庞大用户基础。茶百道全国数千门店接入Step-1V进行智能巡检，日均服务上百万杯茶饮；独立开发者“胃之书”“林间聊愈室”等也选择阶跃API（因付费率高）。2024年下半年，阶跃多模态大模型API调用量增长超45倍。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

此次开源充分展现阶跃的技术自信与产业赋能决心。Step-Video-T2V采用MIT协议，可任意编辑和商业应用；Step-Audio提供零部署的实时对话方案，直接实现端到端体验。这两款模型已初步形成阶跃专属开源技术生态，技术、创意与商业价值相互交织，推动多模态技术发展。随着模型持续迭代、开发者快速接入、生态伙伴合力，阶跃生态的“滚雪球效应”已显现，并持续壮大。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

中国开源力量正以实力改写全球AI版图。曾几何时，Meta的LLaMA、Albert Gu的Mamba才是开源领域的佼佼者。如今，中国大模型届开源力量已闪耀全球。1月20日，DeepSeek-R1问世，推理性能媲美OpenAI o1但成本仅其三分之一，引发全球震动。其开源属性更让OpenAI CEO奥特曼公开表示“站在了历史错误的一边”，承认世界需要开源模型。阶跃此次开源新王牌，正是中国开源力量崛起的又一例证。官方表示，开源目的在于促进技术共享与创新，推动AI普惠发展。在DeepSeek强推理、阶跃重多模态等选手的带领下，中国开源大模型正突破技术壁垒，改变全球开发者选择逻辑。Eleuther AI等技术大V主动测试并感谢中国开源，抱抱脸中国区负责人王铁震更称阶跃为“下一个DeepSeek”。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

从技术突围到生态开放，中国大模型之路越走越稳。阶跃此次开源双模型，或许只是2025年AI竞赛的注脚，但更展现了中国开源力量的技术自信，并传递出明确信号：在未来的AI大模型世界，中国力量绝不缺席，也绝不落于人后。

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

【Step-Video-T2V】
GitHub：https://github.com/stepfun-ai/Step-Video-T2V
抱抱脸：https://huggingface.co/stepfun-ai/stepvideo-t2v
魔搭Model Scope：https://modelscope.cn/models/stepfun-ai/stepvideo-
技术报告：https://arxiv.org/abs/2502.10248
体验入口：https://yuewen.cn/videos

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

【Step-Audio】
GitHub：https://github.com/stepfun-ai/Step-Audio
抱抱脸：https://huggingface.co/collections/stepfun-ai/step-audio-67b33accf45735bb21131b0b
魔搭Model Scope：https://modelscope.cn/collections/Step-Audio-a47b227413534a
技术报告：https://github.com/stepfun-ai/Step-Audio/blob/main/assets/Step-Audio.pdf

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

阶跃星辰开源全球最大参数量30B开源视频模型Step-Video-T2V

文章网址：https://www.wpbull.com/ai/23566.html
赞 (0)
上一篇 2025年3月26日 am9:42
下一篇 2025年3月26日 am9:42

相关推荐