AI视频和音频生成模型
阶跃星辰开源了 视频生成模型 Step-Video-T2V，
和 语音交互大模型 Step-Audio，
Step-Video-T2V 拥有 300 亿参数，可以生成最高 204 帧，约 8 秒的视频。
以下是它的视频生成效果。
Step-Audio 自称是业界首个 集语音理解 和 生成控制一体化的，产品级开源实时对话语言系统，
支持 中英日、方言 多语言对话，和不同的情感。
同时，还支持音频克隆等功能。
以下，是它生成的一些音频。
Step-Video-T2V：https://github.com/stepfun-ai/Step-Video-T2V
Step-Audio：https://github.com/stepfun-ai/Step-Audio