美团开源 LongCat-Video-Avatar 1.6:口型更稳、长视频超 10 分钟
linoy_tsaban · x · 2026-11-18
美团 LongCat 团队在 Hugging Face 发布开源音频驱动数字人视频模型 LongCat-Video-Avatar 1.6(MIT 协议),相对 1.5 版的主要升级:
- 口型更自然稳定:减少夸张嘴部动作、嘴唇过红和嘴部区域的时序不稳定
- 长视频生成更稳:缓解自回归续写中的误差累积,可生成超过 10 分钟且保持画质、身份一致性和时序连贯的视频
- 推理更快:端到端 pipeline 与模型执行优化,部署更高效
官方还发布了与 1.5 版及四个商业系统的人类评测对比,配套技术报告、权重和在线 Space 均已开放。博主 linoytsaban 用 Krea 2 LoRA 生成人像配 Drama 3 音频做了实测。
所属事件:美团开源音频驱动数字人模型 LongCat-Video-Avatar 1.6(2 条相关)→
「多模态」频道最新
- Gemini 4 Argon 实测:灰度肖像『撕开露出彩色眼睛』的局部上色玩法 — AnswerVinod · 2026-11-18
- HeyGen 发布 Avatar 6:84% 的人分不清数字人与真人 — HeyGen · 2026-11-18
- Midjourney 编辑模型支持 Moodboard、风格码与风格参考图 — midjourney · 2026-11-18
- MOSS-Image FP16 修复版发布,老图灵卡也能提速跑 — mkrGG · 2026-11-18
- 一条结构化 JSON 提示词实测:Claude vs ChatGPT vs Figma Make 画 UI — Tegadesigns · 2026-11-18
- Kling Motion Control 老把参考图背景带进视频,创作者求助 — Flat-Scholar1878 · 2026-11-18