美团开源 LongCat-Video-Avatar 1.5：数字人视频从“彩排”走向“真舞台” 生成 10 秒视频仅需 1 分钟
美团开源LongCat-Video-Avatar1.5模型，推动数字人视频从高拟真迈向商业可用。新版本强化了复杂语音的唇形同步与多主体生成能力，并能自然处理多人对话场景。通过技术优化，生成10秒视频仅需约1分钟，效率大幅提升。评测显示，其在多项核心指标上表现领先，为开发者提供了更实用的数字人生成基座。
数字人视频生成领域，最近迎来一个重量级选手的更新。美团技术团队正式开源了其LongCat-Video-A vatar模型的1.5版本。
这次升级，官方定位非常明确：从追求“高拟真”的学术标杆，转向打造“真可用”的商业级工具。简单来说，就是不仅要看着像，更得用着顺。
具体有哪些提升？首先是基础体验的全面强化。新版本能够更从容地应对长句子、快语速甚至歌唱这类复杂语音输入，确保唇形同步精准又自然。与此同时，面部表情、头部姿态和肢体动作的协调性也上了一个台阶，整体观感更加流畅。
在场景适应性上，模型借助更高质量的数据体系，可以稳定处理真人、动漫角色乃至动物等多种生成主体。一个更实用的突破是，它现在能较好地处理多人对话场景，可以自然地区分谁是说话者，谁又在聆听。
当然，效率是商业化的关键门槛。1.5版本在推理部署上下了狠功夫，通过DMD蒸馏技术，将生成步数从50步大幅压缩至仅需8步。这意味着什么？推理效率提升了大约15倍。生成一段10秒的视频，现在只需要1分钟左右，实用性大大增强。
技术架构的三大升级
支撑这些体验改进的，是底层技术架构的实质性升级，主要集中在三个方面。
第一，是基础体验的商用化打磨。模型将音频特征提取的编码器从Wa v2Vec2升级为参数量更大、多语言先验更丰富的Whisper-large。这个改动能更细致地捕捉语音中的音素变化和发音节奏，从而显著提升唇形同步的准确性以及全身动作的时序稳定性。带来的直接好处，就是有效减少了长视频中容易出现的画面抖动、跳帧和角色身份漂移问题。
第二，是数据体系的系统化构建。为了攻克虚拟人生成的典型难点，龙猫团队搭建了一套多阶段的数据处理流程，涵盖了离线标注和在线验证。特别值得注意的是，他们针对性增加了三类增强数据：用于训练多人交互能力的“多人数据”、提升静默状态自然度的“静默数据”，以及让表情更生动的“情绪数据”。这套组合拳，直指当前数字人生成的痛点。
第三，是通过偏好对齐优化细节。模型采用了逐帧级的GRPO（Group Relative Policy Optimization）技术进行偏好对齐，专门针对手部稳定性和动作连续性进行优化。这有助于缓解数字人视频中常见的手部畸变和动作不连贯等“小毛病”，让整体生成质量更加细腻。
性能评测：处于领先水平
光说不练假把式，性能还得看实测。美团基于自建的EvalTalker基准，覆盖了新闻播报、教育讲解、娱乐互动等多个实际场景，进行了一次大规模评测。
这项由770名评估者完成超过1.3万条主观评分，并结合10名专家结构化分析的结果显示，在物理合理性、时间稳定性、身份一致性和音视频协调性这四个核心维度上，LongCat-Video-A vatar 1.5的综合表现雷达图面积处于领先水平。
在具体的用户偏好对比中，该模型相比其他主流模型也展现出优势：对比Kling A vatar 2.0的胜率为65.9%，对比OmniHuman-1.5的胜率为61.1%，对比HeyGen的胜率为54.3%。
尤其在处理多人场景时，其得分大幅领先于InfiniteTalk模型。在衡量生成稳定性的关键指标上，它的主体变形问题率控制在23.1%，跳帧问题率更是低至0.8%，这两项数据均优于参与对比的其他模型。
从这次开源可以看出，数字人视频生成技术正在跨越从“技术演示”到“生产工具”的鸿沟。正如美团团队所表达的，他们希望LongCat-Video-A vatar 1.5能成为一个坚实、可验证、可持续改进的技术基座。让更多的开发者和创作者能够基于此，去探索虚拟数字人在更多元场景下的应用边界。
项目已开源，相关链接如下：
- Github：https://github.com/meituan-longcat/LongCat-Video
- HuggingFace：https://huggingface.co/meituan-longcat/LongCat-Video-A vatar-1.5
- 技术报告：https://github.com/meituan-longcat/LongCat-Video/blob/main/assets/LongCat-Video-A vatar-1.5-Tech-Report.pdf
- 项目主页：https://meigen-ai.github.io/LongCat-Video-A vatar-1.5-Page/
- Modelscope：https://www.modelscope.cn/models/meituan-longcat/LongCat-Video-A vatar-1.5/summary
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Premiere Pro 是面向专业视频制作的非线性剪辑软件，提供多轨时间线、调色、音频处理、字幕、代理工作流和多格式输出能力，并可与 After Effects、Audition、Photoshop 及 Frame.io 协同
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理工具，可在 Windows 上完成照片修饰、选区抠图、图层合成、文字排版、绘画及生成式编辑。软件采用订阅授权，由 Creative Cloud 管理安装、更新与许
Adobe InDesign 是面向印刷与数字出版的专业页面排版工具，可制作书籍、杂志、宣传册、海报、交互式 PDF 和电子书。它提供精细的文字样式、多页面管理、印前检查及多格式输出能力，并能与 Photoshop、Illustrator
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
Adobe Media Encoder 是 Adobe 面向视频与音频制作流程提供的专业编码和转码工具，可批量处理媒体文件、创建代理、套用输出预设并监控文件夹自动执行任务。它与 Premiere、After Effects、Audition