美团LongCat-Video：136亿参数，多任务长视频生成新标杆

美团LongCat-Video：136亿参数，多任务长视频生成新标杆

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

美团正式发布旗下大参数视频生成模型LongCat-Video，该模型以136亿参数量构建，实现文本到视频（Text-to-Video）、图像到视频（Image-to-Video）及视频续播（Video-Continuation）三大核心任务的统一架构支持，尤其在长视频生成领域展现出高效优质的技术突破，标志着国内企业在多模态内容创作领域的又一重要进展。

当前视频生成技术正处于快速迭代期，随着AIGC应用场景的深化，市场对视频内容的需求已从短视频向更长时长、更高质量、更强叙事性扩展。然而现有解决方案普遍面临三大痛点：多任务模型架构割裂导致开发维护成本高，长视频生成易出现色彩漂移与质量衰减，以及高分辨率视频生成效率低下。据行业报告显示，2024年国内AIGC视频内容市场规模已突破200亿元，但长视频生成技术的成熟度不足成为制约行业发展的关键瓶颈。

LongCat-Video通过四大技术创新构建差异化竞争力。其首创的多任务统一框架打破了传统视频生成模型任务单一的局限，仅需一个模型即可原生支持文本驱动创作、图像动态扩展和视频内容续接三大场景，大幅降低了开发者的技术门槛。在长视频生成方面，模型通过原生视频续播任务预训练，成功实现分钟级视频的连贯生成，解决了行业长期存在的内容断层问题。

效率优化层面，LongCat-Video采用时空双轴由粗到精的生成策略，配合块稀疏注意力（Block Sparse Attention）技术，可在数分钟内完成720p、30fps高清视频的生成，较同类模型效率提升40%以上。值得关注的是，模型通过多奖励强化学习（Multi-reward RLHF）优化，在美团内部基准测试中展现出与主流商业方案相当的综合性能——在文本对齐度、视觉质量、运动流畅度等核心指标上，136亿参数的LongCat-Video与280亿参数的混合专家模型（MoE）性能接近，体现出高效的参数利用效率。

该模型的开源特性将加速视频生成技术的产业落地。从内容创作领域看，自媒体创作者可通过文本快速生成产品演示视频，电商平台能基于商品图片扩展动态展示内容，教育机构可利用视频续播功能构建连贯的教学内容体系。美团作为模型研发方，其本地生活服务生态有望率先受益，例如通过生成式视频技术优化商家广告制作、提升用户消费决策体验等。随着模型的开源开放，预计将催生更多垂直领域的创新应用，推动AIGC技术从工具层面向产业应用层深度渗透。

LongCat-Video的发布不仅展现了国内企业在大模型领域的技术实力，更通过统一架构设计和效率优化为视频生成技术树立了新标杆。随着多模态交互需求的增长，该模型的技术路径或将影响下一代视频生成系统的发展方向——轻量化与高性能的平衡、多任务统一框架的构建、以及与实时交互技术的融合，这些创新点将助力视频生成技术从专业领域走向大众化应用，最终推动内容创作产业的智能化变革。未来，随着模型迭代和应用场景的深化，视频生成技术有望在数字营销、教育培训、娱乐内容创作等领域释放更大商业价值。

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