杭州餐饮团购网站建设软件商店下载到手机

杭州餐饮团购网站建设,软件商店下载到手机,廉洁常德网站,中国服务外包捅破 5 分钟长续航天花板#xff0c;SOTA 级权重直接全开源。2025 年#xff0c;视频生成赛道已经进入了卷细节、卷长时序的深水区。当行业已经能够产出几秒钟极具视觉冲击力的镜头时#xff0c;实际落地中却总会撞上几堵隐形的墙#xff1a;长视频生成中不可避免的身份漂移…捅破 5 分钟长续航天花板SOTA 级权重直接全开源。2025 年视频生成赛道已经进入了卷细节、卷长时序的深水区。当行业已经能够产出几秒钟极具视觉冲击力的镜头时实际落地中却总会撞上几堵隐形的墙长视频生成中不可避免的身份漂移Identity Drift、声音消失后的蜡像化冻结以及反复 VAE 编解码导致的画质退化。继今年 8 月吸引全球开发者关注的InfiniteTalk之后美团龙猫LongCat团队最近又有了一些新动作。这次他们基于自研的13.6B 参数原生视频生成基座 LongCat-Video正式发布并开源了专门针对数字人优化的LongCat-Video-Avatar。这不仅是一个能原生支持音文生视频AT2V、音图文生视频ATI2V以及视频续写等多种生成模式的统一架构更重要的是它在虚拟人的动作拟真度和超长视频稳定性上实现了明显的突破。虚拟人终于有了松弛感为了看清它到底强在哪我们拆解了官方展示的几个场景。最直观的感受是现在的虚拟人真的很难再用“假”来形容了。先看这段美妆博主的日常护肤评测LongCat 表现得非常老道。〓 提示词A woman in a light robe applies skincare from a small amber dropper, surrounded by sunlit potted plants and white ceramics in a warm, cozy room. Gentle natural lighting, subtle hand movement, peaceful atmosphere.往脸上滴精华这套动作特别丝滑从捏起滴管到精华滴落的反馈都很自然。最舒服的是她不说话的时候眼神微动和呼吸感一直都在完全没了以前那种断电式的生涩。再来看看情绪拉满的演技表现这才是最考验模型底蕴的地方。〓 提示词A haunting, cinematic close-up of a man. The man is laughing. The frame is a tight portrait, capturing him from the chest up, positioned slightly left of center. His long, unkempt hair frames a face etched with profound sorrow and exhaustion.从大笑转到悲伤的情绪转折处理得很细腻镜头离得这么近肌肉牵动和眼角纹理都很清楚。最关键的是长相特征稳得不行大开大合的表情之下一点没走样。能入戏只是基础几分钟长跑不穿帮才是真硬核。〓 提示词A woman with wavy brown hair in a cozy cream sweater sits on a plush sofa, her hands moving gently as she speaks. Warm light from a floor lamp glows beside a vase of fresh flowers, casting soft shadows in a serene living room with flowing neutral curtains.我们试着快进到这段 5 分钟长视频的最后画面质感和肤色依然很稳。没出现那种越往后越崩、甚至像素雪崩的情况这稳定性在目前开源圈确实罕见。不过数字人最难的其实不是独角戏而是两个角色同台时的那种化学反应。〓 提示词A man and women in a recording studio sized facing each other, both wearing headphones. A large professional microphone with a pop filter is positioned between them. Warm, dim light illuminates the soundproof panels on the walls, creating an intimate and collaborative atmosphere. Subtle movements include a shared glance, a tight nod, and the adjustment of a headphone.录音棚里的这场对白戏不仅是口型卡得准眼神交流和动作回馈的同步感也很有真人的互动氛围完全没有各演各的割裂感。如果把这种互动节奏放到播客访谈里就更实用了。〓 提示词A focused man in a dark blue sweater sits before a microphone, preparing to speak. Warm light from a golden lamp illuminates a backdrop of a wooden bookshelf and a leafy green plant, creating a cozy, professional podcast atmosphere.这种长时段的访谈最看重连贯性哪怕是低头想个词角色的神态也没断过。这种表现力拿去剪播客或者做网课基本能直接用确实有老戏骨的潜质。性能评测稳站 SOTA 第一梯队视觉表现够出彩底层的硬核指标也同样撑得起这个 SOTA 段位。在与目前主流视频模型的横向对比中LongCat-Video-Avatar 在多个核心维度都拿出了顶尖的竞争力。全身生成的极致画质在衡量保真度的核心指标 FID 上模型在自研的 EMTD 全身视频数据集上跑出了 65.05 的成绩。〓 表1. 在 HDTF 和 CelebV-HQ 等高清数据集上的定量对比唇形同步Sync-C/D与身份一致性CSIM均处于业界领先水平。对比来看包括 Hallo3、InfiniteTalk 在内的几种主流模型在这个指标上基本都在 110 甚至更高的区间徘徊。这种断层式的领先意味着它的全身动态已经非常接近真实拍摄的质感。唇形精度超越行业标杆在衡量口型准度的 Sync-C 指标上它在多个考场均取得 SOTA 成绩在 EvalTalker 评测中甚至超越了 HeyGen、Kling Avatar 2.0 等一众顶级闭源商业模型。〓 表2. 针对全身动态数据集 EMTD 的评测反映出模型在长时序生成中的高保真度。此外官方还组织了 492 名参与者进行了大规模盲测。数据证明模型在静音段表现、长视频稳定性和动作多样性三个维度均获得了显著的正向反馈。〓 图1. 无论是影视娱乐场景还是中英文语境模型均表现出极强的泛化能力。技术架构解析虚拟人如何找回生命力美团龙猫团队在技术报告里分享了三项核心改进从底层架构层面彻底重塑了虚拟人的生成逻辑。1. 解耦无条件引导传统训练常使用全零音频向量代表静音这会导致模型产生条件泄露Condition Leakage。它分不清你是想表达“静音”还是“没有任何条件约束”。龙猫团队引入了 DUG 策略Disentangled Unconditional Guidance训练时直接输入真实的静音音频编码。这种做法让模型在推理阶段对无音频输入具有极强的鲁棒性让虚拟人在没台词时依然能自然呼吸、眨眼。〓 图2. DUG 机制成功解耦了语音信号与全身动态找回了被忽视的静音美学。2. 参考跳跃注意力龙猫团队在研发中对参考帧的位置做了详尽实验。他们发现将参考帧放在开头或结尾Prefix/Suffix引导强度会不足导致细节丢失而放中间Middle虽然保住了细节却会引发死板的复制-粘贴效应。最终的最优解是放中间 RSA 机制Reference Skip Attention。RSA 在注意力权重上做了硬掩码Hard-mask处理模型只去采样参考图里的痣、皮肤纹理等核心 ID 特征而屏蔽姿态、动作的直接干预。〓 图3. 通过 anchor latents 与掩码操作实现了身份保持与动作灵活性的平衡。3. 跨片段隐空间拼接龙猫团队提出的 CLS 策略Cross-Chunk Latent Stitching允许模型直接在隐空间Latent Space内拼接重叠片段。这种做法彻底消除了冗余 VAE 循环带来的累积偏差是 5 分钟视频稳如泰山的幕后功臣。〓 图4. CLS 策略显著提升了推理效率并弥合了训练与推理的流程差异。在工程实现上团队采用了 16 FPS 和 25 FPS 的混合训练策略并专门针对 16 FPS 模式等比缩小了音频特征提取窗口从算法层面解决了对位难题。此外针对多人对话场景模型通过自注意力图计算参考帧与视频帧的相似度在隐空间内精准划分画面区域再配合 L-ROPE 贴签彻底解决了互动中的音画错位。〓 图5. 多人场景视觉演示展现了多角色间自然轮流发言的节奏感与空间精准绑定。结语现在的视频生成领域闭源 API 固然强大但往往是不可见的黑盒。美团龙猫团队这次把底层架构、SOTA 级别的权重甚至是多人绑定的 L-ROPE 机制全部开源无疑是给国内数字人研究社区提供了一个极高起点的进化基座。LongCat-Video-Avatar 不仅给开发者们提供了一个稳、准、活的生产力工具 更重要的是它通过对底层逻辑的微调让虚拟人开始拥有了真人的那种灵动感。项目入口GitHub:https://github.com/meituan-longcat/LongCat-VideoHugging Face:https://huggingface.co/meituan-longcat/LongCat-Video-Avatar -Project Page:https://meigen-ai.github.io/LongCat-Video-Avatar/现在在「知乎」也能找到我们了进入知乎首页搜索「PaperWeekly」点击「关注」订阅我们的专栏吧·