LongCat-Video-Avatar-1.5: เฟรมเวิร์กสร้างวิดีโอดิจิทัลฮิวแมนที่ขับเคลื่อนด้วยเสียงรุ่นอัปเกรด
หัวข้อต้นฉบับ:meituan-longcat/LongCat-Video-Avatar-1.5
สรุปโดย AI
ทีม LongCat ของ Meituan เปิดตัว LongCat-Video-Avatar-1.5 เฟรมเวิร์กโอเพนซอร์สที่เน้นการสร้างวิดีโอดิจิทัลฮิวแมนจากเสียง การอัปเกรดหลักคือการใช้ตัวเข้ารหัสเสียง Whisper-Large ซึ่งปรับปรุงความลื่นไหลและความเป็นธรรมชาติของการเคลื่อนไหวริมฝีปากอย่างมีนัยสำคัญ เวอร์ชันนี้ทำได้ทั้งการซิงค์ริมฝีปากที่แม่นยำ ความเสถียรเชิงเวลาทั้งตัว และความสอดคล้องของอัตลักษณ์ในวิดีโอยาว และสามารถประยุกต์ใช้กับฉากที่ซับซ้อน เช่น อนิเมะ สัตว์ และการโต้ตอบหลายคน ด้วยเทคโนโลยี step distillation จาก DMD2 โมเดลใช้เพียง 8 ขั้นตอนในการอนุมานอย่างมีประสิทธิภาพ ทีมยังสร้างเกณฑ์ประเมินโดยมนุษย์ที่ครอบคลุมหลายฉากและหลายภาษา ผ่านการให้คะแนนเชิงอัตนัยขนาดใหญ่และการวิเคราะห์โดยผู้เชี่ยวชาญ ยืนยันประสิทธิภาพที่ยอดเยี่ยมในหลายมิติสำคัญ
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- 美团 LongCat:HuggingFace 新模型
- หมวดหมู่
- เปิดตัวโมเดล
- คะแนน AI
- 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。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: LongCat-Video-Avatar-1.5: เฟรมเวิร์กสร้างวิดีโอดิจิทัลฮิวแมนที่ขับเคลื่อนด้วยเสียงรุ่นอัปเกรด 21 พฤษภาคม 2026 https://new.nat6.net/th/news/cmpfoox6408bdsljwnbdhvasf/