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 Bitget恢复CRO

消息，Bitget宣布已恢复CRO - Ethereum网络的提币服务。对于暂停期间给用户带来的不便，Bitget深表...

2 本周关键经济事件：特斯拉与谷歌财报

消息，本周将迎来多项关键经济事件：周二发布ADP就业变动数据，周三特斯拉和谷歌将公布财...

3 BANK热度上升，24h成交量放大至近7日平均

消息，据a早期发行in监测，BANK过去24小时成交量放大至近7日平均水平的8.2倍，价格累计上涨...

4 某巨鲸在Hyperliquid持有CXMT空单，并挂出

消息，据A早期发行in监测，某巨鲸在Hyperliquid以1倍逐仓做空18.84万份CXMT，仓位价值约126.72万美...

5 伊朗海军防空系统在南部拦截并摧毁了一