美团开源LongCat Video：高效生成长视频解决方案
10月27日，美团LongCat团队正式发布并开源视频生成模型LongCat-Video。该团队宣称，该模型在统一架构框架下，能够同步支持文本生成视频（Text-to-Video）、图像生成视频（Image-to-Video）以及视频续写等基础任务。其内部测试及公开基准（包括VBench）评价结果显示，该项目在开源范围内取得了行业领先成果。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
▲LongCat-Video在文生、图生视频基础任务上实现开源SOTA突破（资料图）
根据技术报告，LongCat-Video基于Diffusion Transformer（DiT）架构，创新性地采用"条件帧数量"作为任务区分机制：文本生成视频无需输入条件帧，图像生成视频仅需1帧参考图像，视频续写则依赖多帧前置内容。这一设计使得模型无需额外改造即可灵活适配三类生成任务。
为提升长时序生成能力，模型在预训练阶段引入原生的视频续写任务。团队表示，该模型目前已能稳定生成分钟级长视频，并针对跨帧时序一致性与物理运动合理性进行了专项优化，有效缓解了色彩漂移、画质衰减与动作断裂等常见问题。
在效率优化方面，模型结合块稀疏注意力（BSA）与条件token缓存机制，显著降低长序列推理冗余。据称在处理93帧及以上序列时，能够在生成质量与推理效率间保持稳定平衡。针对高分辨率、高帧率场景，模型采用"二阶粗到精（C2F）+ BSA + 蒸馏"组合策略，报告中指出其推理速度较基线提升约10.1倍。
参数规模方面，LongCat-Video基座模型达到约136亿参数。评估体系全面覆盖文本对齐、图像对齐、视觉质量、运动质量与整体质量等维度；团队强调其在文本对齐与运动连贯性等关键指标上表现优异，并在公开基准VBench等测试中取得领先成绩。
LongCat团队将此次发布定位为其"世界模型（World Model）"方向探索的重要里程碑，相关代码与模型已全面开源。以上技术结论与性能数据均引用自团队技术报告与发布材料。
热门专题
热门推荐
虚拟键盘与物理键盘可以完全协同工作，互不干扰 你可能会好奇，一个在屏幕上，一个在桌面上，它们俩同时用起来，会不会“打架”？答案是：完全不会。这背后的核心，其实是一套非常成熟的系统级输入法管理机制在起作用。简单来说，当你连接了外接键盘，系统默认会让虚拟键盘进入“休眠”状态；而一旦你通过触控屏幕或者按下
博世壁挂炉完全支持仅启用生活热水功能，无需同步开启采暖系统 想让家里的博世壁挂炉只出热水、不启动暖气？这事儿其实很简单。用户可以直接通过控制面板上的“水龙头键”一键切入生活热水模式，或者长按“模式”键进入菜单，选择专属的热水运行状态。部分带旋钮的型号，操作更直观，只需将旋钮转到“*”档或“min”位
小米智能手表时间校准全指南：从自动同步到手动精调 你的小米智能手表时间不准了？别急着重启，更别怀疑手表坏了。其实，它的时间默认是通过蓝牙与配对手机自动同步的，整个过程在后台静默完成，无需你动手，就能保持高精度授时。这套机制背后，是NTP网络时间协议与小米Wear应用的协同调度，不仅支持毫秒级校准，还
小米Note 3铃声音量调节失灵？别急，这是份系统化的排查指南 遇到小米Note 3的铃声音量键失灵，先别急着下结论是硬件坏了。这背后，往往是软件逻辑的临时“卡壳”、系统设置的细微偏移，或是物理按键通路受阻共同作用的结果。从官方维修渠道的反馈来看，大约六成用户的问题，根源在于系统缓存的临时堆积或第三
小米音响蓝牙配对电脑：三步搞定，实测稳定 想把小米音响变成电脑的得力外放？其实很简单，整个过程三步就能走完：打开音箱蓝牙、启动电脑蓝牙搜索、在列表里找到它点连接。根据小米官方的指南，再结合Windows 11和macOS系统的实际测试，像Xiaomi Sound、Xiaomi Sound Pro这些