跳到正文
Gorden Sun (@Gorden_Sun)· Gorden Sun·· 2 小时前AI 评分55

美团开源 LongCat-Video-Avatar 1.6,支持超10分钟音频驱动数字人视频生成

美团开源LongCat-Video-Avatar 1.6:支持超10分钟音频驱动的数字人视频生成 根据音频、文本、图像输入,生成单人及多人的说话视频。 新版本重点改善了唇形与音频...

AI 导读

美团开源 LongCat-Video-Avatar 1.6,可根据音频、文本、图像输入生成单人及多人的说话视频。新版本重点改善唇形与音频同步的自然度,减少嘴部动作僵硬或画面闪烁,并优化长视频续写机制,可稳定生成超过10分钟且人物外观一致的视频。作者称其仅次于 OmniHuman 2.0,模型采用 MIT 开源协议,权重已在 HuggingFace 发布,可本地部署或商业应用。

来源:Gorden Sun (@Gorden_Sun) · x.com