Radar Telegram alerts افتح Radar

أصدرت شركة Meituan الإصدار LongCat-Video-Avatar 1.6 - وهو إصدار جديد من الصور الرمزية الناطقة، والله، والغناء التي تدوم أكثر من 10 دقائق.

תרגם לעברית

Метаверсище и ИИще · · المصدر

🇨🇳 China · الخريطة

أصدرت شركة Meituan الإصدار LongCat-Video-Avatar 1.6 - وهو إصدار جديد من الصور الرمزية الناطقة، والله، والغناء التي تدوم أكثر من 10 دقائق.

أصدرت شركة Meituan الإصدار LongCat-Video-Avatar 1.6 - وهو إصدار جديد من الصور الرمزية الناطقة، والله، والغناء التي تدوم أكثر من 10 دقائق.

عادة ما تكون الهراء والعصي مفتوحة المصدر مملة جدًا للتعليق عليها. ولكن هناك سبب للاسترخاء قليلا. المؤلفون - شركة Meituan - أكبر منصة "للحياة المحلية" في الصين (تطبيق فائق للخدمات المحلية): توصيل الطعام، وتجارة التجزئة "الفورية"، وكوبونات/طلبات الخدمات غير المتصلة بالإنترنت، والفنادق والسفر، ومشاركة النقل/الدراجة، وخدمات الأعمال. تحقق الشركة إيرادات من عمولات الحجز والإعلانات داخل النظام البيئي وأدوات B2B المدفوعة للبائعين.

هذا صحيح، يقوم موظفو توصيل الطعام الآن بتدريب النماذج الأساسية لإنشاء الفيديو.

وأصدر هؤلاء المرسلون، بموجب ترخيص معهد ماساتشوستس للتكنولوجيا، أوزان الطراز الجديد LongCat-Video-Avatar 1.6، الذي يحول الصورة والمسار الصوتي إلى شخصية ناطقة أو غنائية. تركز الترقية مقارنة بالإصدار 1.5 على مزامنة الشفاه الطبيعية، والحفاظ على الهوية في مقاطع الفيديو التي تزيد مدتها عن 10 دقائق، وتسريع الاستدلالات.

تم بناء النموذج على أساس برنامج LongCat-Video messenger الأساسي ويدعم إنشاء شخصية واحدة وعدة أحرف (أوضاع استمرار الصوت والنص إلى الفيديو والصوت والصورة والنص إلى الفيديو وأوضاع الاستمرار المعتمدة على الصوت). في الإصدار 1.6، قام المطورون بقمع القطع الأثرية النموذجية للإصدار السابق - التعبير الضخامي والشفاه الحمراء غير الطبيعية وتراكم الأخطاء أثناء استمرار الانحدار الذاتي للفيديو. نظرًا لتحسين خط الأنابيب، يتوافق الاستدلال مع 8 خطوات تقليل الضوضاء مع خلط محولين LoRA: في خطوات N الأولى (-mix_steps=N)، يتم خلط DMD LoRA (loraA) وOPSD LoRA (loraB) مع معامل mix_alpha، ويتم إتقان الخطوات 8 - N المتبقية بواسطة OPSD.

لتوفير الذاكرة، تشتمل المجموعة على نقطة تفتيش DiT base_model_int8 (في الوزن فقط INT8، يتم تمكينها بواسطة علامة --use_int8)، ويتم تمكين FlashAttention-2 افتراضيًا (يدعم FlashAttention-3 وxformers أيضًا). ساحة المقارنة البشرية العمياء (33.051 صوتًا بين 6 أنظمة) LongCat-Video-Avatar 1.

المزيد على Radar

هل تريد رؤية كل التقارير لحظة بلحظة؟

مئات المصادر حول العالم، مترجمة إلى لغتك، مع تنبيهات لما يهمك.

سجّل مجانًا
Share on WhatsApp Get alerts on Telegram