阿里云魔搭社区开源全球最大参数量视频生成模型，引领多模态AI发展新潮流

阿里云魔搭社区近日发布重磅消息，开源了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，再次彰显其在AI开源领域的领先地位。

Step-Video-T2V模型参数量高达300亿，能够生成分辨率高达204帧的视频，并在指令遵循、运动平滑性、物理合理性及美感度等方面超越现有开源视频模型，为视频生成领域树立了新的标杆。这一突破性进展，将极大推动视频生成技术的普及应用，赋能更多开发者和企业，创造更多元化的视频内容。

另一款开源模型Step-Audio，参数规模超过1300亿，是业界首个产品级开源语音模型。其在Llama Question等五大主流公开测试中均取得第一的优异成绩，并在HSK-6（汉语水平考试六级）测评中展现出卓越的语言理解能力。这表明Step-Audio在语音识别、语音合成和语音交互等方面达到了领先水平，为构建更智能、更自然的语音交互系统提供了坚实基础。

目前，阿里云魔搭社区已汇集超过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，是国内最大的AI模型社区，为AI技术的创新和发展提供了强大的生态支撑。此次开源的两款多模态模型，不仅体现了阿里云在AI领域的深厚技术积累，更预示着多模态AI技术将迎来新的发展浪潮。未来，随着多模态AI技术的不断成熟，我们有理由期待看到更多创新应用涌现，为各行各业带来变革性的影响。

然而，我们也需要关注开源模型的潜在风险。例如，模型的滥用可能导致虚假信息的传播或侵犯个人隐私。因此，在应用这些模型时，需要谨慎评估其潜在风险，并采取相应的安全措施，确保其在合规和伦理框架内的使用。

总而言之，阿里云魔搭社区的开源行动为AI社区注入了新的活力，也为多模态AI技术的发展提供了重要的推动力。我们期待看到更多类似的开源项目，共同推动AI技术的进步与发展，造福全社会。