LongCat-Video-Avatar-1.5:音声駆動型デジタルヒューマン動画生成フレームワークのアップグレード版
原題:meituan-longcat/LongCat-Video-Avatar-1.5
AI 要約
美団LongCatチームは、音声駆動型デジタルヒューマン動画生成に特化したオープンソースフレームワークLongCat-Video-Avatar-1.5を発表した。中核となるアップグレードはWhisper-Large音声エンコーダの採用にあり、唇の動きの滑らかさと自然さを大幅に最適化した。本バージョンは正確なリップシンク、全身の時間的安定性、長尺動画における同一性の一貫性を実現し、アニメ、動物、複数人インタラクションなどの複雑なシーンにも汎用適用できる。DMD2ベースのステップ蒸留技術により、モデルはわずか8ステップで効率的に推論できる。チームはまた、多シーン・多言語を網羅する人手評価ベンチマークを構築し、大規模な主観評価と専門家分析を通じて、複数の重要な次元での優れた性能を検証した。
要点
- 美団LongCatチームは、音声駆動型デジタルヒューマン動画生成に特化したオープンソースフレームワークLongCat-Video-Avatar-1.
- 5を発表した。
- 中核となるアップグレードはWhisper-Large音声エンコーダの採用にあり、唇の動きの滑らかさと自然さを大幅に最適化した。
- 本バージョンは正確なリップシンク、全身の時間的安定性、長尺動画における同一性の一貫性を実現し、アニメ、動物、複数人インタラクションなどの複雑なシーンにも汎用適用できる。
- DMD2ベースのステップ蒸留技術により、モデルはわずか8ステップで効率的に推論できる。
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 73
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。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:LongCat-Video-Avatar-1.5:音声駆動型デジタルヒューマン動画生成フレームワークのアップグレード版。2026年5月21日。https://new.nat6.net/ja/news/cmpfoox6408bdsljwnbdhvasf/