今日，阶跃星辰与吉利汽车集团宣布，联合开源两款阶跃Step系列多模态大模型——Step-Video-T2V视频生成模型和Step-Audio语音模型。其中，阶跃Step-Video-T2V视频生成模型在参数量和性能上均处于全球领先水平。该模型拥有300亿参数量，能够直接生成204帧、540P分辨率的高质量视频，确保生成内容信息密度高、一致性强。评测结果显示，Step-Video-T2V在指令遵循、运动平滑性、物理合理性、美感度等方面均表现出色，显著超越市面上既有的最佳开源视频模型。

吉利汽车近日在语音合成领域取得重大突破，其自主研发的HAM-TTS大模型性能超越了行业标杆VALL-E，引起业界广泛关注。这款名为"星睿"的AI大模型在发音准确性、自然度和说话人相似度等关键指标上均实现了显著提升。HAM-TTS模型采用基于token的零样本文字转语音分层声学建模技术，在智能座舱中大幅提升了用户交互体验。在相同的4亿参数条件下，HAM-TTS模型的字符错误率比VALL-E下降了1.5%;而在8亿参数的完全体上，字符错误率更是直降2.3%。在风格一致性、音调一致性和整体得分上，HAM-TTS模型