吉利汽车集团与其科技生态战略合作伙伴阶跃星辰近日携手宣布，两大创新多模态大模型——阶跃Step系列，正式面向全球开发者开放源代码。开发者们即刻起可通过跃问APP，亲身体验这两款前沿技术的魅力。
阶跃Step-Video-T2V，作为当前全球参数量最多、性能顶尖的开源视频生成模型，其参数量高达300亿，能够直接生成分辨率达到540p的高质量视频，每秒包含204帧画面。该模型在复杂场景再现、人物美感呈现、视觉创意激发、基础文字转化、双语输入理解以及镜头语言运用等方面，均展现出卓越的生成能力，且语义理解与指令遵循能力尤为突出。
为了更全面地评估生成视频的质量，阶跃星辰还发布了Step-Video-T2V-eval基准数据集，包含128条基于真实用户反馈的中文评测问题，覆盖运动、风景、动物、组合概念、超现实、人物、3D动画、电影摄影等11个内容类别。评测结果显示，阶跃Step-Video-T2V在指令遵循、运动流畅性、物理逻辑合理性及美感表现等方面，均远超当前市场上表现最佳的开源视频模型。
与此同时，阶跃Step-Audio作为行业内首款产品级开源语音交互大模型，能够根据不同场景需求，生成富含情绪、方言、语种、歌声及个性化风格的语音表达，实现与用户的高质量自然对话。其生成的语音不仅具备超自然、高情商等特质，还能实现音色复刻与角色扮演，完美适配影视娱乐、社交互动、游戏娱乐等多个行业应用。
在LlaMA Question、Web Questions等五大主流公开测试集中，阶跃Step-Audio表现卓越，位居榜首。特别是在HSK-6（汉语水平考试六级）评测中，其表现尤为亮眼，堪称最懂中文的开源语音交互大模型。阶跃星辰还自建并开源了多维度评估体系Stepeval-Audio-360基准测试，从角色扮演、逻辑推理、生成控制、文字游戏、创作能力、指令控制等9项基础能力维度，对开源语音模型进行全面评测。人工横评结果显示，阶跃Step-Audio在各维度上均超越此前市场上效果最佳的开源语音模型。
阶跃星辰的卓越成就也赢得了业界的广泛认可。Hugging Face联合创始人兼CEO Clement Delangue对阶跃星辰的大模型赞誉有加，认为其有望成为下一个行业标杆。
