美團 LongCat-Video-Avatar 開源：SOTA 真影像生成技術解析

近日，美團旗下的 LongCat 隊宣布開源其最新的視頻生成模型 ——LongCat-Video-Avatar，標誌著人技術的又一次重要突破。該模型在長視頻生成領域表現優異，具有多項核心功能，吸引了廣泛的開發者關注。

技術亮點

LongCat-Video-Avatar 的核心創新之一是采用了名為 Cross-Chunk Latent Stitching 的訓練策略，能有效解決長視頻生成中的視覺質量退化問題。通過在空間內進行特替換，LongCat-Video-Avatar 不僅消除了由反復解碼引起的畫質損失，还顯著提高了生成效率。

另外，為了保持長視頻中的角色一致性，LongCat-Video-Avatar 引入了帶位置編碼的參考注入模式和 Reference Skip Attention 機制。这一創新使得生成過程中的身份語義保持定，同时避免了常見的動作重復和化問題。

評測結果

根據在 HDTF、CelebV-HQ、EMTD 和 EvalTalker 等權威公開數據集上的評測，LongCat-Video-Avatar 在多個核心指標上達到了 SOTA 水平，尤其是在唇音同步精度和一致性指標上表現優異。同時，通過大規模的人工評測，该模型在自然度與真實感方面也獲得了良好反，展現了強大的應用力。

開源地址

LongCat-Video-Avatar 的開源地址為：
– GitHub：https://github.com/meituan-longcat/LongCat-Video
– Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Video-Avatar
– Project：https://meigen-ai.github.io/L…