LongCat-Video-Avatar
解读 LongCat-Video-Avatar 这条音频驱动虚拟人视频模型线，看它在长视频与多人物场景下如何处理画面稳定性与身份一致性。
LongCat-Video-Avatar 是美团 LongCat 团队基于 LongCat-Video 架构的音频驱动虚拟人视频模型，面向长时序与强一致场景。它以音频与文本为条件，覆盖音频文本生视频、图像条件生视频与视频续写，兼顾单人与多人。跨片段潜变量拼接抑制长视频画质退化，参考跳连注意力保留人物身份并避免硬复制。
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...
Admin
337 
美团LongCat团队推出LongCat-Video-Avatar：面向长时序说话人视频生成与多人物场景
美团LongCat团队在LongCat-Video代码库更新中宣布发布LongCat-Video-Avatar，并同步上线项目页与Hugging Face权重。该模型定位为“音频驱动”的人物视频生成方案，基于LongCat-Video架构，支持Audio-Text-to-Video（AT2V）、Au...
Admin
211