美團(03690)技術團隊今日正式開源了其數字人視頻生成模型LongCat-Video-Avatar 1.5。該版本在唇形同步、物理合理性、長視頻穩定性、多人互動及推理效率方面均實現了升級，旨在推動數字人視頻生成從「高擬真」走向「真可用」的商業化場景。該版本在1.0版本的基礎上完成全面升級，定位從「開源SOTA」走向「商業級應用」。

　　據介紹，這一版本在基礎體驗上進行了強化，能夠應對長句、快語速、歌唱等複雜語音輸入，使唇部運動更精準平滑，同時面部表情、頭部姿態與肢體動作也更為協調。

　　在場景支持方面，借助高質量數據體系，模型可穩定處理真人、動漫、動物等多種主體，並在多人對話場景中自然區分說話者與聆聽者。

　　推理部署方面，LongCat-Video-Avatar 1.5採用DMD蒸餾技術，將生成步數從50步壓縮至8步，推理效率提升約15倍，生成一段10秒視頻僅需約1分鐘。
《經濟通通訊社22日專訊》

【你點睇？】牛頭角的士奪命車禍釀1死4傷，涉事70歲司機被捕，你認為當局應否收緊高齡職業司機發牌要求？► 立即投票