2025年12月18日，美团LongCat团队正式发布并开源SOTA级虚拟人视频生成模型LongCat-Video-Avatar。该模型基于LongCat-Video基座打造，功能丰富且在底层架构上实现重要突破，在权威公开数据集评测中多项核心指标领先，赋予虚拟人 “真正的生命力”。
模型发布与开源信息
据“龙猫LongCat”公众号12月18日晚推文，美团LongCat团队正式发布并开源SOTA级虚拟人视频生成模型LongCat-Video-Avatar 。此消息在IT之家等平台有所报道。
模型的功能与架构升级
LongCat-Video-Avatar基于LongCat-Video基座打造，延续“一个模型支持多任务”的核心设计，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，在底层架构上全面升级，实现动作拟真度、长视频稳定性与身份一致性三大维度的突破。
模型的技术亮点
该模型具备两大技术亮点。其一，“告别僵硬，迎接鲜活”，不仅能指挥嘴型，还能同步指挥眼神、表情和肢体动作，实现丰富饱满的情感表达。其二，美团通过Disentangled Unconditional Guidance（解耦无条件引导）训练方法，让模型明白了“静音”不等于“死机”，在说话的间歇，虚拟人也会如同人类一般自然地眨眼、调整坐姿、放松肩膀 。因此，LongCat-Video-Avatar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”，使虚拟人有了“真正的生命力”。
模型的评测成绩
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在多项核心指标上达到SOTA领先水平。
模型的项目地址
IT之家附上该模型的项目地址为：GitHub： https：//github.com/meituan-longcat/LongCat-Video ；Hugging Face： https：//huggingface.co/meituan-longcat/LongCat-Video-Avatar ；Project： https：//meigen-ai.github.io/LongCat-Video-Avatar/ 。
以上文章由 AI 总结生成
