美团开源LongCat-Video-Avatar 1.6,支持10分钟以上音频驱动数字人视频
美团把数字人模型开源了,MIT协议能直接商用。唇形同步和10分钟长视频一致性都有改进,效果仅次于OmniHuman 2.0。做口播视频、虚拟主播的团队可以下载权重本地跑,省掉API费用。
美团开源了LongCat-Video-Avatar 1.6模型,可根据音频、文本和图像输入生成单人及多人的说话视频,权重以MIT协议开放,可免费下载用于本地部署或商业应用。
1.6版本的重点改进集中在唇形与音频同步的自然度上,减少了嘴部动作僵硬和画面闪烁的问题;同时优化了长视频续写机制,能够稳定生成超过10分钟的长时视频,并保持人物外观前后一致。
在同类数字人模型中,该模型的表现仅次于字节跳动的OmniHuman 2.0。对于需要批量制作口播、讲解类视频的内容创作者和开发者来说,这是一个可以商用且成本可控的本地化方案。
美团开源LongCat-Video-Avatar 1.6:支持超10分钟音频驱动的数字人视频生成
根据音频、文本、图像输入,生成单人及多人的说话视频。
新版本重点改善了唇形与音频的同步自然度,有效减少嘴部动作僵硬或画面闪烁,同时通过优化长视频续写机制,能够稳定生成超过10分钟的长时视频且保持人物外观一致。
仅次于OmniHuman 2.0的数字人模型,MIT开源协议,开发者和内容创作者可以直接免费下载权重并进行本地部署或商业应用。
模型:https://t.co/aoVuUgTjF8
This report is categorized under AITOP's "Models" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include LongCat-Video-Avatar, Meituan, OmniHuman, digital humans.
Source attribution: curated from Gorden Sun (@Gorden_Sun).