美团（Meituan）近日开源了一款名为 LongCat-Video-Avatar-1.5 的数字人生成模型。该模型采用 MIT 开源协议，支持本地部署，主打音频驱动的超长视频生成。其核心能力在于只需提供一张参考图片和一段音频，即可快速生成唇形同步、身份特征稳定且带有自然肢体动作的 Talking Head（说话头像）视频。

以下是该开源项目的详细核心功能与体验通道。

核心功能特性

  • 高精度唇形同步与自然动效： 相比于市面上部分闭源方案，LongCat-Video-Avatar-1.5 在唇形匹配度上表现优异，并能自适应生成自然的眨眼、摇头以及丰富的手势动作。
  • 超长视频生成（Long Video Continuation）： 攻克了长视频生成中常见的“脸部崩坏”与身份漂移（Identity Drift）问题，保证全局身份特征的高度一致性（Identity Consistency）。
  • 多语言与多角色支持： 完美支持中文、英语、日语等多语言音频输入。同时具备多角色对话处理能力，在多人场景下各角色可独立进行动作与语音匹配。
  • 广谱风格兼容： 模型不仅适用于真人照片，对动漫角色、动物等非真实感头像同样具有极高的生成成功率。
  • 完全开源与本地化： 采用商用友好的 MIT 开源协议，开发者与创作者可以将其部署在本地环境，实现无限制的批量内容生产。

适用场景

该工具极大地降低了虚拟数字人的制作门槛，非常适合以下创作与商业场景：

  • 电商跨境营销： 快速渲染多语言的带货短视频或直播回放。
  • 内容自媒体： 助力不便露脸的 YouTuber、播客创作者快速生成视频动画。
  • 企业培训与教育： 批量制作虚拟讲师课件，提升数字内容生产力。

项目资源与体验入口

目前该项目已在 GitHub 与 Hugging Face 平台同步上线，用户可以通过以下链接获取源码或在线体验：