LongCat-Video-Avatar
Liest die audiogetriebene Avatar-Videoreihe LongCat-Video-Avatar und zeigt, wie sie Stabilität langer Clips, Identität mehrerer Personen und natürliche Bewegung behandelt.
LongCat-Video-Avatar ist ein audiogetriebenes Avatar-Videomodell des Meituan-LongCat-Teams auf Basis der LongCat-Video-Architektur. Audio und Text dienen als Bedingungen, abgedeckt sind Audio-Text-zu-Video, bildkonditioniertes Video und Video-Fortsetzung für einen oder mehrere Sprecher. Chunkübergreifendes Latent-Stitching mindert Qualitätsverluste in langen Clips, Reference-Skip-Attention bewahrt Identität und verhindert hartes Kopieren des Referenzbilds.
