(資料圖)

IT之家 12 月 18 日消息，據“龍貓 LongCat”公眾號今晚的推文，美團 LongCat 團隊正式發(fā)布并開源 SOTA 級虛擬人視頻生成模型 ——LongCat-Video-Avatar。

該模型基于 LongCat-Video 基座打造，延續(xù)“一個模型支持多任務”的核心設計，原生支持 Audio-Text-to-Video、Audio-Text-Image-to-Video 及視頻續(xù)寫等核心功能，同時在底層架構上全面升級，實現動作擬真度、長視頻穩(wěn)定性與身份一致性三大維度的突破。

據官方介紹，該模型具備如下技術亮點。

“告別僵硬，迎接鮮活”：不僅能指揮嘴型，還能同步指揮眼神、表情和肢體動作，實現豐富飽滿的情感表達。

連“不說話”的時候，都很像人：美團通過 Disentangled Unconditional Guidance（解耦無條件引導）訓練方法，讓模型明白了“靜音”不等于“死機”。在說話的間歇，虛擬人也會如同人類一般自然地眨眼、調整坐姿、放松肩膀。

據介紹，LongCat-Video-Avatar 因此成為首個同時支持文字、圖片、視頻三種生成模式的“全能選手”，虛擬人從此有了“真正的生命力”。

在 HDTF、CelebV-HQ 、EMTD 和 EvalTalker 等權威公開數據集上的定量評測表明，LongCat-Video-Avatar 在多項核心指標上達到 SOTA 領先水平。

IT之家附項目地址：

• GitHub: https://github.com/meituan-longcat/LongCat-Video
• Hugging Face: https://huggingface.co/meituan-longcat/LongCat-Video-Avatar
• Project: https://meigen-ai.github.io/LongCat-Video-Avatar/

標簽： 美團 虛擬人 視頻生成 知名企業(yè) avatar