AI最前沿 88Z.ai 5 月 22 日消息，美团LongCat团队发布LongCat-Video-Avatar 1.5，通过升级音频编码器、优化数据体系及引入GRPO对齐技术，显著提升唇形同步与视频稳定性。模型采用DMD蒸馏实现8步生成，效率提升约15倍，推动数字人技术从开源SOTA向商业级应用迈进。
消息要点
- 引入逐帧级GRPO对齐与Whisper-large编码器，全面提升唇形同步及视频稳定性。
- 采用DMD蒸馏实现8步生成，效率提升约15倍，加速商业级应用落地。
要点
美团LongCat团队正式开源LongCat-Video-Avatar 1.5数字人视频模型，标志着该技术从开源最先进水平迈向商业级应用。此次升级集成了Whisper-large音频编码器，并构建了高质量的多场景数据体系。通过引入逐帧级GRPO偏好对齐机制，模型在唇形同步准确性、物理合理性、长视频稳定性以及多人互动表现上实现了全面跃升。此外，模型采用DMD蒸馏技术，将生成步骤压缩至8步，使生成效率提升约15倍，大幅降低了计算成本并提高了响应速度，为数字人的规模化落地提供了强有力的技术支撑。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 龙猫LongCat原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。