美团LongCat-Video：136亿参数长视频生成新引擎

美团LongCat-Video：136亿参数长视频生成新引擎

【免费下载链接】LongCat-Video项目地址: https://ai.gitcode.com/hf_mirrors/meituan-longcat/LongCat-Video

导语：美团正式发布拥有136亿参数的视频生成基础模型LongCat-Video，该模型在长视频生成领域实现突破，支持文本生成视频、图像生成视频及视频续播等多项任务，标志着国内企业在AIGC视频领域的技术实力再上新台阶。

行业现状：随着AIGC技术的快速发展，文本到视频（Text-to-Video）生成已成为人工智能领域的热门赛道。当前主流视频生成模型普遍面临三大挑战：生成视频时长有限（通常在几秒到十几秒）、高分辨率视频生成效率低、多任务兼容性不足。据行业研究显示，超过60%的商业场景需要30秒以上的连贯视频内容，而现有开源模型在满足这一需求时往往面临画质下降或色彩漂移等问题。在此背景下，美团LongCat-Video的推出恰好瞄准了长视频生成这一技术痛点。

产品/模型亮点：LongCat-Video作为拥有136亿参数的大型视频生成模型，其核心优势体现在四个方面：

首先是统一架构支持多任务。该模型创新性地将文本生成视频（Text-to-Video）、图像生成视频（Image-to-Video）和视频续播（Video-Continuation）三大功能集成到单一框架中，用户无需切换模型即可完成不同类型的视频创作任务，大幅提升了使用便捷性。

其次是长视频生成能力。通过原生视频续播任务预训练，LongCat-Video能够生成分钟级长度的视频内容，且有效解决了传统模型在长视频生成中常见的色彩漂移和质量下降问题。这一特性使其在需要完整叙事的场景中具有显著优势。

第三是高效推理性能。模型采用时空双轴从粗到细的生成策略，结合块稀疏注意力（Block Sparse Attention）技术，能够在几分钟内完成720p分辨率、30帧每秒（fps）的视频生成。这种高效性使得该模型在实际应用中更具落地可行性。

最后是多奖励强化学习优化。基于多奖励组相对策略优化（GRPO）技术，LongCat-Video在内部和公开基准测试中均表现出色。评估数据显示，其在文本对齐度、视觉质量和运动流畅性等关键指标上已接近国际领先的商业解决方案水平。

行业影响：LongCat-Video的发布将对多个行业产生深远影响。在电商领域，商家可利用该模型快速生成产品展示视频，将传统需要数小时制作的视频内容压缩至分钟级；在内容创作领域，自媒体创作者能够通过文本描述直接生成带有情节发展的长视频素材；在教育培训行业，动态教学内容的制作成本将大幅降低。特别值得注意的是，作为开源模型，LongCat-Video将为学术界和产业界提供高质量的研究基础，推动整个视频生成技术生态的发展。

从技术层面看，该模型采用的136亿参数密集型架构（Dense）在性能上已可与280亿参数的混合专家模型（MoE）相媲美，这为后续模型的效率优化提供了新思路。美团在模型说明中提到，LongCat-Video是其迈向"世界模型"（World Models）的第一步，暗示未来可能会将视频生成技术与更复杂的环境交互和推理能力相结合。

结论/前瞻：LongCat-Video的推出不仅展示了美团在人工智能领域的技术积累，更标志着国内AIGC视频技术正式进入长视频生成的新阶段。随着模型的开源和进一步优化，我们有理由相信，视频内容的创作门槛将持续降低，更多创新应用场景将被发掘。未来，随着参数规模的扩大和训练数据的丰富，视频生成模型有望在叙事连贯性、物理世界规律遵循等方面取得更大突破，为数字内容产业带来革命性变化。

【免费下载链接】LongCat-Video项目地址: https://ai.gitcode.com/hf_mirrors/meituan-longcat/LongCat-Video