阿里云魔搭将为中国类Sora模型开发提供一站式工具链
3月23日，阿里云魔搭社区公布“ModelScope—Sora开源计划”，将助力中国类Sora模型的探索和创新。该计划将为类Sora模型开发提供一站式工具链，包括数据处理工具、多模态数据集、类Sora基础模型、训练推理工具等。目前，魔搭发布了业界首个开源的多模态数据处理系统Data—Juicer，包含100多种高效算子，可大幅提升视频数据处理效率和质量。
阿里通义实验室算法专家李雅亮表示，数据决定了机器学习任务的天花板，只有投喂的数据质量高、颗粒度细、数量多，模型训练才能走出“垃圾进，垃圾出”的困境。不过，类Sora模型的数据处理挑战极大。主流大数据框架并非为多模态数据设计，而视频处理难度较图文又大幅攀升，现有工具难以应对。因此，“ModelScope—Sora开源计划”首先上架了由阿里通义实验室研发的多模态数据处理系统Data—Juicer，它可对庞杂的多模态数据去粗取精，“榨出”更高质量、更丰富、更易“消化”的数据。李雅亮介绍，魔搭社区还推出了基于Data—Juicer的沙盒实验室。研发人员可以先在迷你数据集和模型上快速迭代，找到最合适的配方。
接下来，魔搭社区还将举办“ModelScope—Sora挑战赛”，鼓励更多开发者打造并开源自己的类Sora模型，共同加速中国多模态大模型的发展。同时，魔搭将助力构建开放的中文高质量多模态数据集。作为国内规模最大、最活跃的AI开源模型社区，阿里云魔搭目前已汇聚3000多款优质模型及上千个数据集，为超过400万开发者提供模型及免费算力服务。（经济日报记者 李治国）
