阶跃星辰和吉利汽车集团联合宣布，将双方合作的阶跃两款 Step 系列多模态大模型向全球开发者开源——Step-Video-T2V 视频生成模型和 Step-Audio 语音模型。目前可在跃问 App 内体验。

公告称，技术报告中的评测结果，阶跃 Step-Video-T2V 的参数量和模型性能目前在全球开源视频生成领域都处于领先水平；而阶跃 Step-Audio 则是业内首款产品级的开源语音交互模型。

阶跃 Step-Video-T2V 模型的参数量达到 300 亿，可以直接生成 204 帧、540P 分辨率的高质量视频，这意味着能确保生成的视频内容具有极高的信息密度和强大的一致性。测评结果显示，它是目前全球范围内参数量最大、性能最好的开源视频生成大模型。

阶跃 Step-Audio 是行业内首个产品级的开源语音交互模型，能够根据不同的场景需求生成情绪、方言、语种、歌声和个性化风格的表达，能和用户自然地进行高质量对话。模型生成的语音具有自然流畅、情商高等特征，同时也能支持不同角色的音色克隆，满足影视娱乐、社交、游戏等行业场景下应用需求。

在 LlaMA Question、Web Questions 等五大主流公开测试集中，Step-Audio 模型性能均超过了行业内同类型开源模型，位列第一。Step-Audio 在 HSK-6（汉语水平考试六级）评测中的表现尤为突出，是最懂中国话的开源语音交互大模型。