LongCat-Video-Avatar差异在参考注入

LongCat-Video-Avatar 开源解读：音频驱动的长视频虚拟人生成如何做到更稳更真

一、摘要 LongCat-Video-Avatar 是基于 LongCat-Video 架构打造的音频驱动 Avatar（虚拟人）视频生成模型，面向“长时序、强一致性、写实动态”场景。它将音频与文本（可选参考图）作为条件，原生支持 Audio-Text-to-Video（AT2V）、Audio-Te...