首页美团开源 LongCat-Video-Avatar 1.5，性能优于主流闭源模型
美团LongCat大模型团队正式开源了商业级数字人视频生成模型LongCat-Video-Avatar 1.5。该版本标志着模型已从开源最先进技术全面转向实际商业部署，在口型同步、物理真实感、长视频稳定性、多人互动以及高效推理等方面均有重大提升。
三大关键升级，攻克商业化难关
为了使数字人能够在各种实际应用场景中稳定运行，LongCat-Video-Avatar 1.5 通过三项全面改进，解决了传统数字人视频中存在的抖动、失真和高延迟等顽固问题：
商用级音频编码升级
该模型的音频特征提取编码器已从 Wav2Vec2 升级至Whisper-large。 凭借更多的参数和更丰富的多语言先验知识，它现在能够捕捉细微的音素变化和语调节奏。这不仅提升了长句、快速语速和演唱等复杂音频的唇形同步效果，还实现了面部表情、头部动作与语音之间的自然协调——从而显著减少了长视频中的帧跳过和身份漂移现象。
通过多阶段数据增强实现强大的开放域泛化能力
为确保在真实人物、虚拟偶像、动漫角色和动物等不同主体上都能保持稳定的性能，研究团队开发了一条集离线标注和在线验证于一体的多阶段数据处理管道，并引入了三种针对性的增强数据类型：
多人物数据：利用主动说话人检测技术，消除多人物场景中的视听歧义，准确区分说话人与听众。
静默数据：通过筛选无语音的视频，模型可学习静默状态下的自然微表情，从而避免非说话角色出现不必要的嘴部动作。
情绪数据：结合帧级情绪识别过滤，该数据整合了情绪变化，帮助模型把握言语与面部表情之间的深层关联。
基于 GRPO 的手部对齐与时间连续性
针对电商直播和产品演示等双手频繁入镜的应用场景，该模型引入了GRPO（Human Preference Alignment），该技术将奖励信号细化至帧级别，并增加了首帧手部检测机制。这大大减少了手部变形、局部结构坍塌和动作不一致等常见问题。
推理速度提升15倍：消除高昂的计算需求
成本是商业部署的另一个关键因素。LongCat-Video-Avatar 1.5 采用了DMD（分布式匹配蒸馏）技术，将原本 50 步的生成过程压缩至仅8 步。 此外，团队将传统的三模型并行架构替换为单个共享基础模型加多个 LoRA 适配器，从而大幅降低了 VRAM 占用量。
在实际测试中，该模型的推理速度提升了约15倍 ，仅需约一分钟即可生成一段10秒的视频。
基准评估：超越业界顶尖模型
通过 EvalTalker 基准测试，770 名评估员和 10 名领域专家对来自新闻、教育和娱乐等复杂领域的视频进行了结构化质量分析。结果表明，LongCat-Video-Avatar 1.5 在多项关键指标上表现卓越：
用户偏好胜率：其胜率比Kling Avatar2.0高出65.9%，比OmniHuman-1.5高出61. 1%，比HeyGen高出54.3%。
单人及多人场景评分：单人场景评分达到3.336，远高于HeyGen等竞争对手；多人场景评分为2.730，显著优于InfiniteTalk（2.339）。
视频稳定性：主体变形率仅为23.1%，背景变形率仅为9.4%；帧丢失率低至0.8%，在所有对比模型中表现最佳。
音视频协调性：面部与身体不同步率降至5.1%，口型不同步率降至29.8%，两项指标均超越了传统商用系统。
美团LongCat大模型团队表示，开源LongCat-Video-Avatar 1.5不仅仅是一次版本更新，更是向全球开发者和创作者社区发出的邀请。 他们希望该模型能成为一个可验证、可改进的技术基础，助力推动数字人视频应用在现实世界中的边界拓展。
开源链接：
Github：https://github.com/meituan-longcat/LongCat-Video
HuggingFace：https://huggingface.co/meituan-longcat/LongCat-Video-Avatar-1.5
技术报告：https://github.com/meituan-longcat/LongCat-Video/blob/main/assets/LongCat-Video-Avatar-1.5-Tech-Report.pdf
项目页面：https://meigen-ai.github.io/LongCat-Video-Avatar-1.5-Page/
Modelscope：https://www.modelscope.cn/models/meituan-longcat/LongCat-Video-Avatar-1.5/summary
相关文章
美国股市触及历史里程碑，人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪，这三位科技领域的巨头，正推动其各自的企业迈向首次公开募股（IPO）。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市，2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注，成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及，瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元，其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”（vibe coding）技术，该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求，系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业，并扩展至 Work
Google 测试 Remy AI 代理，以 Gemini 为重点转向用户控制
根据《商业内幕》的报道，谷歌正在测试 Remy，这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务，从而简化专业工作流程和日常事务。目前，Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”，将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实，谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
数据分析
适用于 SaaS 和电商团队的 KPI 监控最佳 AI 异常检测工具
2026 年最新最佳顶级评分 AI 异常检测工具，助力 SaaS 和电商团队的 KPI 监控！XIX.AI 基于严格的真实世界测试和每周更新的排名，精心策划了一套强大且颠覆性的工具合集。您将找到详细的免费与付费对比洞察，帮助您识别必须尝试的解决方案，从而提升生产力并释放您的 AI 优势。立即探索！
10 个工具
xix.ai
写作
最适合撰写长篇SEO文章的AI大纲生成器
2026年最新、最受好评的AI大纲生成器，专为长篇SEO文章打造，由XIX.AI精心甄选。这些强大的工具在快速创建高质量内容方面提供了颠覆性的帮助，显著提升了写作效率。 获取免费版与付费版的对比分析，以及实际测试结果和详细排名，助您找到最适合自身需求、不容错过的理想选择。立即探索，解锁您的AI竞争优势。
8 个工具
xix.ai
教育与学习
用于作业和考试备考的AI学习工具
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
音乐创作
面向词曲创作者、旋律片段、主旋律及多语言草稿创作的AI人声演示工具
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
商业
适合中小企业的最佳AI竞品分析工具
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
图像编辑
用于电商服装、皮肤清洁和色彩一致性的 Photoshop AI 修图工具
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
评论 (0)
0/500
美团LongCat大模型团队正式开源了商业级数字人视频生成模型LongCat-Video-Avatar 1.5。该版本标志着模型已从开源最先进技术全面转向实际商业部署，在口型同步、物理真实感、长视频稳定性、多人互动以及高效推理等方面均有重大提升。
三大关键升级，攻克商业化难关
为了使数字人能够在各种实际应用场景中稳定运行，LongCat-Video-Avatar 1.5 通过三项全面改进，解决了传统数字人视频中存在的抖动、失真和高延迟等顽固问题：
商用级音频编码升级
该模型的音频特征提取编码器已从 Wav2Vec2 升级至Whisper-large。 凭借更多的参数和更丰富的多语言先验知识，它现在能够捕捉细微的音素变化和语调节奏。这不仅提升了长句、快速语速和演唱等复杂音频的唇形同步效果，还实现了面部表情、头部动作与语音之间的自然协调——从而显著减少了长视频中的帧跳过和身份漂移现象。
通过多阶段数据增强实现强大的开放域泛化能力
为确保在真实人物、虚拟偶像、动漫角色和动物等不同主体上都能保持稳定的性能，研究团队开发了一条集离线标注和在线验证于一体的多阶段数据处理管道，并引入了三种针对性的增强数据类型：
多人物数据：利用主动说话人检测技术，消除多人物场景中的视听歧义，准确区分说话人与听众。
静默数据：通过筛选无语音的视频，模型可学习静默状态下的自然微表情，从而避免非说话角色出现不必要的嘴部动作。
情绪数据：结合帧级情绪识别过滤，该数据整合了情绪变化，帮助模型把握言语与面部表情之间的深层关联。
基于 GRPO 的手部对齐与时间连续性
针对电商直播和产品演示等双手频繁入镜的应用场景，该模型引入了GRPO（Human Preference Alignment），该技术将奖励信号细化至帧级别，并增加了首帧手部检测机制。这大大减少了手部变形、局部结构坍塌和动作不一致等常见问题。
推理速度提升15倍：消除高昂的计算需求
成本是商业部署的另一个关键因素。LongCat-Video-Avatar 1.5 采用了DMD（分布式匹配蒸馏）技术，将原本 50 步的生成过程压缩至仅8 步。 此外，团队将传统的三模型并行架构替换为单个共享基础模型加多个 LoRA 适配器，从而大幅降低了 VRAM 占用量。
在实际测试中，该模型的推理速度提升了约15倍 ，仅需约一分钟即可生成一段10秒的视频。
基准评估：超越业界顶尖模型
通过 EvalTalker 基准测试，770 名评估员和 10 名领域专家对来自新闻、教育和娱乐等复杂领域的视频进行了结构化质量分析。结果表明，LongCat-Video-Avatar 1.5 在多项关键指标上表现卓越：
用户偏好胜率：其胜率比Kling Avatar2.0高出65.9%，比OmniHuman-1.5高出61. 1%，比HeyGen高出54.3%。
单人及多人场景评分：单人场景评分达到3.336，远高于HeyGen等竞争对手；多人场景评分为2.730，显著优于InfiniteTalk（2.339）。
视频稳定性：主体变形率仅为23.1%，背景变形率仅为9.4%；帧丢失率低至0.8%，在所有对比模型中表现最佳。
音视频协调性：面部与身体不同步率降至5.1%，口型不同步率降至29.8%，两项指标均超越了传统商用系统。
美团LongCat大模型团队表示，开源LongCat-Video-Avatar 1.5不仅仅是一次版本更新，更是向全球开发者和创作者社区发出的邀请。 他们希望该模型能成为一个可验证、可改进的技术基础，助力推动数字人视频应用在现实世界中的边界拓展。
开源链接：
Github：https://github.com/meituan-longcat/LongCat-Video
HuggingFace：https://huggingface.co/meituan-longcat/LongCat-Video-Avatar-1.5
技术报告：https://github.com/meituan-longcat/LongCat-Video/blob/main/assets/LongCat-Video-Avatar-1.5-Tech-Report.pdf
项目页面：https://meigen-ai.github.io/LongCat-Video-Avatar-1.5-Page/
Modelscope：https://www.modelscope.cn/models/meituan-longcat/LongCat-Video-Avatar-1.5/summary
美国股市触及历史里程碑，人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪，这三位科技领域的巨头，正推动其各自的企业迈向首次公开募股（IPO）。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市，2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注，成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及，瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元，其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”（vibe coding）技术，该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求，系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业，并扩展至 Work
Google 测试 Remy AI 代理，以 Gemini 为重点转向用户控制
根据《商业内幕》的报道，谷歌正在测试 Remy，这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务，从而简化专业工作流程和日常事务。目前，Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”，将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实，谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
2026 年最新最佳顶级评分 AI 异常检测工具，助力 SaaS 和电商团队的 KPI 监控！XIX.AI 基于严格的真实世界测试和每周更新的排名，精心策划了一套强大且颠覆性的工具合集。您将找到详细的免费与付费对比洞察，帮助您识别必须尝试的解决方案，从而提升生产力并释放您的 AI 优势。立即探索！
10 个工具
xix.ai
2026年最新、最受好评的AI大纲生成器，专为长篇SEO文章打造，由XIX.AI精心甄选。这些强大的工具在快速创建高质量内容方面提供了颠覆性的帮助，显著提升了写作效率。 获取免费版与付费版的对比分析，以及实际测试结果和详细排名，助您找到最适合自身需求、不容错过的理想选择。立即探索，解锁您的AI竞争优势。
8 个工具
xix.ai
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
