12月18日消息，据“龙猫LongCat”公众号今晚发布的消息，美团LongCat团队正式推出并开源了SOTA级别虚拟人视频生成模型——LongCat-Video-Avatar。

该模型基于LongCat-Video底座打造，延续了“一个模型支持多任务”的核心设计理念，原生支持Audio-Text-to-Video、Audio-Text-Image-to-Video及视频续写等核心功能。同时，其底层架构实现了全面升级，在动作拟真度、长视频稳定性与身份一致性这三大维度上取得了显著突破。

根据最新介绍，该模型具备以下技术亮点。

“告别僵硬，迎接鲜活”：不仅能够精准驱动口型，还能同步指挥眼神、表情与肢体动作，实现更加丰富饱满的情感表达。

连“不说话”的时候，都很像人：美团通过Disentangled Unconditional Guidance（解耦无条件引导）训练方法，让模型理解了“静音”不等于“死机”。在说话的间隙，虚拟人也能像人类一样自然地眨眼、调整坐姿或是放松肩颈。

据介绍，LongCat-Video-Avatar因此成为首个同时支持文字、图片、视频三种生成模式的“全能选手”，虚拟人从此拥有了“真正的生命力”。

在HDTF、CelebV-HQ、EMTD和EvalTalker等权威公开数据集上的定量评测表明，LongCat-Video-Avatar在多项核心指标上均达到了SOTA领先水平。

IT之家附项目地址：

GitHub: https://github.com/meituan-longcat/LongCat-VideoHugging Face: https://huggingface.co/meituan-longcat/LongCat-Video-AvatarProject: https://meigen-ai.github.io/LongCat-Video-Avatar/