💡
原文中文，约2300字，阅读约需6分钟。
📝
内容提要
美团开源了LongCat-Video-Avatar 1.5数字人视频模型，提升了唇形同步、稳定性和多人互动能力。通过优化音频特征提取和数据处理，该模型在复杂场景中表现优异，生成效率提高15倍，适用于电商直播和教学等多种场景，推动数字人视频的实际应用。
🎯
关键要点
- 美团开源了LongCat-Video-Avatar 1.5数字人视频模型，提升了唇形同步、稳定性和多人互动能力。
- 模型在音频特征提取方面升级，使用Whisper-large编码器，提升了唇形同步与全身时序稳定性。
- 构建了多阶段数据处理流程和三类增强数据，以应对虚拟人生成的典型难点，确保复杂场景中的稳定输出。
- 通过DMD蒸馏技术，生成效率提高15倍，生成10秒视频仅需约1分钟。
- 在综合评测中，LongCat-Video-Avatar 1.5在物理合理性、时间稳定性、身份一致性和音视频协调性方面表现优异，用户偏好高于其他商业系统。
- LongCat-Video-Avatar 1.5的开源旨在邀请开发者和创作者探索数字人视频的真实应用边界。
❓
延伸问答
LongCat-Video-Avatar 1.5的主要功能是什么？
LongCat-Video-Avatar 1.5提升了唇形同步、稳定性和多人互动能力，适用于复杂场景中的高质量内容生成。
LongCat-Video-Avatar 1.5如何提高生成效率？
通过DMD蒸馏技术，生成效率提高15倍，生成10秒视频仅需约1分钟。
该模型在音频特征提取方面有什么升级？
模型将编码器从Wav2Vec2升级为Whisper-large，提升了唇形同步与全身时序稳定性。
LongCat-Video-Avatar 1.5在用户偏好方面表现如何？
在用户偏好评测中，LongCat-Video-Avatar 1.5的表现优于其他商业系统，胜率高于65%。
LongCat-Video-Avatar 1.5适合哪些应用场景？
该模型适用于电商直播、产品展示和教学演示等多种场景。
LongCat-Video-Avatar 1.5的开源目的是什么？
开源旨在邀请开发者和创作者探索数字人视频的真实应用边界。
➡️
