品玩5月22日讯，美团正式开源LongCat-Video-Avatar 1.5。该模型在唇形同步、长视频稳定性、多人互动及推理效率上实现全面升级，致力于让数字人视频生成从高拟真效果走向真实的商业级应用。
本次升级将音频编码器由Wav2Vec2升级为Whisper-large，显著提升了复杂语音下的唇部运动平滑度与全身时序稳定性。通过构建高质量数据体系与引入GRPO人类偏好对齐技术，模型在多人对话、手部动作及身份一致性等复杂场景中表现更优。同时，采用DMD蒸馏技术将生成步数压缩至8步，推理效率提升约15倍，大幅降低部署成本。
经综合评测，LongCat-Video-Avatar 1.5在物理合理性、音视频协调性及长时序稳定性等多个维度优于部分头部商业模型，单人及多人场景下的自然度与真实感均达到领先水平。目前，模型代码与权重已在GitHub、Hugging Face及魔搭社区全面开放。
