本日、階躍星辰と吉利汽車集団は、階躍Stepシリーズのマルチモーダル大規模モデル2つ——Step-Video-T2V動画生成モデルとStep-Audio音声モデル——を共同でオープンソース化すると発表しました。その中で、階躍Step-Video-T2V動画生成モデルは、パラメータ数と性能において世界をリードするレベルにあります。このモデルは300億個のパラメータを持ち、204フレーム、540Pの高解像度動画を直接生成でき、生成されたコンテンツの情報密度が高く、一貫性が高いことを保証します。評価結果によると、

吉利汽車は先日、音声合成分野で大きなブレークスルーを達成しました。同社が独自開発したHAM-TTS大規模モデルの性能が業界のベンチマークであるVALL-Eを上回り、業界の注目を集めています。星睿と名付けられたこのAI大規模モデルは、発音の正確性、自然さ、話者類似度などの主要指標において顕著な向上を実現しました。HAM-TTSモデルは、トークンベースのゼロショットテキスト音声変換階層音響モデリング技術を採用しており、スマートコックピットにおけるユーザーインタラクション体験を大幅に向上させています。4億パラメーターという同一条件下で、HAM-TTSモデルは...