2月21日，在今天开幕的全球开发者大会（GDC）上，阿里云魔搭社区首发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。截至目前，魔搭社区已上架超过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，是中国最大的AI模型社区。

此次在魔搭社区开源的两款模型，是近期全球多模态领域最热门的开源模型。Step-Video-T2V是基于300 亿参数的文本转视频预训练模型，能够生成高达 204 帧的视频，在指令遵循、运动平滑性、物理合理性、美感度等方面表现均显著超过市面上既有的开源视频模型。

图为 Step-Video-T2V-Eval 测评结果

另一款上架模型Step-Audio ，是业界首个产品级开源语音模型，参数规模多达1300多亿。根据 Llama Question等5 大主流公开测试，Step-Audio 模型性能均位列第一，并在 HSK-6（汉语水平考试六级）的测评中表现尤佳，是最懂中国话的开源语音交互大模型。

图为 5大主流公开评测结果

目前，阶跃星辰的这两款模型均可在魔搭社区下载和体验。有部署及模型微调需求的开发者和企业，还可通过阿里云人工智能平台PAI-Model Gallery实现一键部署，获取包括阶跃星辰新模型在内的200余款开源模型快速部署、训练及评测服务。

据了解，阿里云最早提出MaaS理念（Model as a Service，模型即服务），魔搭社区即为这一理念的具体实践，将AI模型变为直接可用的服务，为AI开发者提供模型体验、下载、调优、训练、推理、部署等一站式服务。截至目前，魔搭社区已上架千问Qwen、DeepSeek-R1、Llama、零一万物等国内外知名模型，服务超过1000万开发者，“找大模型上魔搭”日渐成为越来越多的AI开发者的默契。