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 Trent Van Epps：以太坊核心开发资金可能在

消息，前以太坊基金会贡献者Trent Van Epps警告称，以太坊可能在未来三到九个月内面临核心开发...

2 彼得·蒂尔支持的10亿美元初创公司将在海

消息，彼得蒂尔支持的初创公司正在开发浮动平台，计划在海洋潘塔拉萨建设AI数据中心基础设...

3 SUI宣布Seal MPC现已上线主网

消息，SUI在X平台发文称，Seal MPC现已上线主网。Seal是面向数据、AI和数字资产的可编程访问层...

4 鲸鱼花1181.6万美元购入7000枚ETH，过去10天

一名鲸鱼花费约1181.6万美元购入7000枚以太坊。在过去10天内，该鲸鱼累计购入17800枚ETH，总花费...

5 富达推出针对稳定币发行人的货币市场基