💡
原文中文，约3200字，阅读约需8分钟。
📝
内容提要
美团开源的LongCat-Video-Avatar模型在虚拟人视频生成方面取得显著进展，支持多任务生成，提升了动作拟真度和长视频稳定性，解决了身份一致性问题，广泛应用于影视娱乐等领域。
🎯
关键要点
- 美团开源的LongCat-Video-Avatar模型在虚拟人视频生成方面取得显著进展。
- 该模型支持多任务生成，包括音频文本到视频、音频文本图像到视频及视频续写等功能。
- LongCat-Video-Avatar在动作拟真度、长视频稳定性和身份一致性方面有显著突破。
- 模型采用解耦无条件引导训练方法，使虚拟人在静音时也能自然表现。
- 引入跨片段隐空间拼接训练策略，解决长视频生成中的视觉质量退化问题。
- 通过带位置编码的参考帧注入模式，提升长视频中的身份一致性。
- Reference Skip Attention机制有效抑制动作重复与僵化，确保长视频的稳定性与变化性。
- 在多个权威数据集上，LongCat-Video-Avatar在核心指标上达到SOTA领先水平。
- 综合主观评测显示，LongCat-Video-Avatar在多个应用场景中表现优异，超越其他主流模型。
- 开源LongCat-Video-Avatar旨在与开发者共同迭代，解决实际问题，推动数字人生成技术的发展。
➡️
