美团开源LongCat

时间：2026-05-22 15:57:26

　　消息，美团长猫团队开源了数字人生成框架LongCat-Video-Avatar 1.5，重构了音频提取与视频生成算法，主打工业级时空稳定性与极速推理。框架将wav2vec2编码器替换为whisper-large-v3音频编码器，提升了口型同步和唇形动态，增强了多语种和跨语言口型生成的鲁棒性。模型通过GRPO强化学习优化，降低了手部变形和异常抽帧等伪影，提升了长视频的身份一致性。框架采用多片段滚动推理，利用前序视频建立全局时序上下文，保持角色身份连贯。推理端引入DMD2的少步蒸馏技术，将生成去噪迭代压缩至8步，平衡推理效率与图像保线组图像与音频配对样本，770名评估者收集了13240次判断，10名专家从多个维度进行评分。框架可泛化至动漫与动物风格，支持单声道与多声道音频输入，模型权重以MIT协议发布，展示内容仅供学术使用，商用需核对相关内容。

上一篇：SpaceX冲刺IPO AI业务引发最大质疑返回首页

下一篇：交通运输部：加快建设智能综合立体交通网

热点推荐

1 俄罗斯Sberbank计划推出加密钱包，数字资

Sberbank预计将在立法生效后不久将加密钱包集成到其移动应用中，数字资产保管基础设施预计在...

2 BitMine增持7300万美元Ethereum，同时抛售Bi

消息，BitMine公司在抛售Bitcoin的同时增持了7300万美元的Ethereum。...

3 Alphabet推出两款新AI模型：谷歌股票重燃

消息，Alphabet宣布推出两款新AI模型：Nano Banana 2 Lite和Gemini Omni Flash，进一步深入人工智能领域...

4 Coinbase比特币溢价指数连续49日处于负溢价

消息，据据数据显示，Coinbase比特币溢价指数已连续49天处于负溢价区间，最新数值为-0.1072%。...

5 BitMine上周增持4.2197万枚ETH，总持仓达57