全球开发者目光再次聚焦中国!在备受瞩目的全球开发者大会（GDC）上，阿里云魔搭社区重磅宣布，首发上线阶跃星辰最新开源的两款多模态模型，包括 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。 这一消息瞬间引爆全球AI开源社区，再次彰显中国在人工智能领域的强劲创新实力。作为中国最大的AI模型社区，阿里云魔搭社区此次发布的这两款重磅模型，无疑是近期全球多模态领域最受瞩目的开源成果。 Step-Video-T2V 以其巨大的参数规模

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。

MotionClone技术在数字内容创作领域是一个重大突破，其专长在于能够从参考视频中克隆动作，然后根据新的文本描述无缝合成全新的视频内容。相较于现有的文本到视频生成模型，在动作合成方面MotionClone展现出的独特优势，无需额外训练或微调，仅通过直接克隆动作即能应对未见过的动作类型。该技术的核心亮点包括：时间注意力机制，精准捕捉参考视频中的动作；主要时间注意力引导，减少噪声影响；位置感知的语义引导，增强空间关系和文本对齐，提升动作保真度、时间和文本一致性。MotionClone的问世，不仅提高了视频内容生成的质量与效率，更展示了未来智能化、个性化的视频创作能力，有望实现“所想即所得”的创作愿景。