Paglabas ng modelo

LongCat-Video-Avatar-1.5: upgraded na audio-driven digital human video generation framework

Orihinal na pamagat:meituan-longcat/LongCat-Video-Avatar-1.5

AI summary

Inilabas ng LongCat team ng Meituan ang LongCat-Video-Avatar-1.5, isang open source framework na nakatuon sa audio-driven digital human video generation. Ang core upgrade nito ay ang paggamit ng Whisper-Large audio encoder, na malaking nag-optimize sa fluency at naturalness ng lip dynamics. Nakamit ng bersyon na ito ang precise lip sync, full-body temporal stability, at identity consistency sa mahabang video, at kayang mag-generalize sa anime, hayop, at multi-person interaction at iba pang complex scenarios. Sa pamamagitan ng DMD2-based step distillation technology, 8 steps lang ang kailangan para sa efficient inference. Nagtayo rin ang team ng human evaluation benchmark na sumasaklaw sa multi-scenario at multi-language, at sa pamamagitan ng large-scale subjective scoring at expert analysis, na-verify ang mahusay na performance nito sa ilang key dimensions.

Mahahalagang impormasyon

  • Inilabas ng LongCat team ng Meituan ang LongCat-Video-Avatar-1.
  • 5,isang open source framework na nakatuon sa audio-driven digital human video generation.
  • Ang core upgrade nito ay ang paggamit ng Whisper-Large audio encoder,na malaking nag-optimize sa…
  • Nakamit ng bersyon na ito ang precise lip sync,full-body temporal stability,at identity…
  • Sa pamamagitan ng DMD2-based step distillation technology,8 steps lang ang kailangan para sa…

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
美团 LongCat:HuggingFace 新模型
Kategorya
Paglabas ng modelo
AI na marka
73
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

美团把数字人模型升级到1.5版,换了Whisper做音频编码,唇形同步比之前自然不少,而且开源了训练代码,做电商直播和虚拟博主的朋友可以直接拿过来跟商业方案掰手腕。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: LongCat-Video-Avatar-1.5: upgraded na audio-driven digital human video generation framework. 21 Mayo 2026. https://new.nat6.net/fil/news/cmpfoox6408bdsljwnbdhvasf/

Tingnan lahat →