Radar Telegram alerts Ouvrir Radar

Meituan a publié LongCat-Video-Avatar 1.6 - une nouvelle version d'avatars parlant, dieu et chantant qui durent plus de 10 minutes.

תרגם לעברית

Метаверсище и ИИще · · Source

🇨🇳 China · Carte

Meituan a publié LongCat-Video-Avatar 1.6 - une nouvelle version d'avatars parlant, dieu et chantant qui durent plus de 10 minutes.

Meituan a publié LongCat-Video-Avatar 1.6 - une nouvelle version d'avatars parlant, dieu et chantant qui durent plus de 10 minutes.

Les conneries et les bâtons open source sont généralement très ennuyeux à commenter. Mais il y a lieu de se détendre un peu. Auteurs - Meituan Company - La plus grande plateforme de « vie locale » de Chine (super-application de services locaux) : livraison de nourriture, vente au détail « instantanée », coupons/commandes de services hors ligne, hôtels et voyages, transport/partage de vélos et services aux entreprises. L'entreprise génère des revenus grâce aux commissions de réservation, à la publicité au sein de l'écosystème et aux outils B2B payants pour les vendeurs.

C'est vrai, les livreurs de nourriture forment désormais des modèles de base pour créer des vidéos.

Et ces messagers ont publié, sous licence MIT, les poids du nouveau modèle LongCat-Video-Avatar 1.6, qui transforme une piste photo et audio en un personnage parlant ou chantant. La mise à niveau par rapport à la version 1.5 se concentre sur la synchronisation labiale naturelle, le maintien de l'identité dans les vidéos de plus de 10 minutes et l'accélération des inférences.

Le modèle est construit sur la base du messager de base LongCat-Video et prend en charge la création d'un caractère et de plusieurs caractères (modes audio-texte-vidéo, audio-image-texte-vidéo et continuation audio). Dans la version 1.6, les développeurs ont supprimé les artefacts typiques de la version précédente - expression hypertrophique, lèvres anormalement rouges et accumulation d'erreurs lors de la poursuite d'une vidéo autorégressive. En raison de l'optimisation du pipeline, l'inférence correspond à 8 étapes de débruitage avec mélange de deux adaptateurs LoRA : dans les N premières étapes (--mix_steps=N), DMD LoRA (loraA) et OPSD LoRA (loraB) sont mélangés avec le coefficient mix_alpha, et les 8 - N étapes restantes sont perfectionnées par OPSD.

Pour économiser de la mémoire, le kit comprend un point de contrôle DiT base_model_int8 (en poids uniquement INT8, activé par l'indicateur --use_int8), et FlashAttention-2 est activé par défaut (FlashAttention-3 et xformers sont également pris en charge). Comparaison humaine aveugle Arena (33 051 votes entre 6 systèmes) LongCat-Video-Avatar 1.

Plus sur Radar

Envie de voir tous les signalements en temps réel ?

Des centaines de sources dans le monde, traduites dans votre langue, avec des alertes sur ce qui compte pour vous.

Inscription gratuite
Share on WhatsApp Get alerts on Telegram