设为首页收藏本站 劰载中...

 找回密码
 立即注册
查看: 84|回复: 0

LongCat-Video-Avatar-1.6:一张照片和一段语音,稳稳生成超 10 分钟超长不崩脸的真人感数字人视频

[复制链接]

1161

主题

2134

回帖

16万

积分

武林盟主

积分
160684

宣传达人灌水之王突出贡献荣誉管理论坛元老

QQ
发表于 昨天 17:53 | 显示全部楼层 |阅读模式

马上注册,下载更多AI资源软件

您需要 登录 才可以下载或查看,没有账号?立即注册

×

LongCat-Video-Avatar-1.6:一张照片和一段语音,稳稳生成超 10 分钟超长不崩脸的真人感数字人视频 ... ... ...

LongCat-Video-Avatar-1.6:一张照片和一段语音,稳稳生成超 10 分钟超长不崩脸的真人感数字人视频 ... ... ...

LongCat-Video-Avatar-1.6 是美团 LongCat 团队开源的一款音频驱动数字人视频生成模型。简单来说,你只要给它一段语音,再搭配一张人物照片或一段文字描述,它就能让画面中的人物“开口说话”,生成口型同步、表情和动作自然的数字人视频。

LongCat-Video-Avatar-1.6:一张照片和一段语音,稳稳生成超 10 分钟超长不崩脸的真人感数字人视频 ... ... ...

LongCat-Video-Avatar-1.6:一张照片和一段语音,稳稳生成超 10 分钟超长不崩脸的真人感数字人视频 ... ... ...

过去很多数字人模型只能做几秒到几十秒的短片段,时间一长就容易出现“换脸”“五官变形”或动作僵硬;而 1.6 版本的一大亮点,是能稳定生成超过 10 分钟的长视频。




核心特点
超长视频不容易“崩脸”:通过视频续写与减少长序列误差累积的机制,让人物在长达 10 分钟以上的讲话过程中,依然保持面部特征稳定、前后连贯。
口型与神态更自然:针对语音驱动优化了嘴部开合、唇音同步以及面部表情和肢体动作,整体表现更贴近真人说话,而不是机械对口型。
多输入组合灵活:支持结合音频、文本和图像生成视频(例如“音频+文字+图片”驱动),方便创作者控制人物外貌、场景氛围和表达细节。
生成速度更快、部署更友好:采用少步蒸馏(如 8 步生成路径)和量化权重(如 INT8)等优化方案,降低了推理耗时与硬件门槛,也更容易接入 ComfyUI 等常见工作流,并以较宽松的 MIT 协议开源权重。



应用领域

口播与自媒体创作:快速把配音或文案变成口播视频,适合知识科普、新闻播报、故事讲述和个人频道日常更新,无需每次都真人出镜拍摄。
在线教育与企业培训:将课程讲解音频或培训讲稿转化为稳定的讲师讲解视频,方便长课时制作和后续按需修改内容。
品牌营销与多语言本地化:结合不同语种的配音生成对应口型的宣传或讲解视频,降低跨区域内容制作与重复拍摄成本。
虚拟角色与互动陪伴:为虚拟主播、游戏/动漫角色或数字助手赋予更自然的语音表现力,提升角色陪伴与交互体验。




使用教程:(建议N卡,显存8G起,支持50系显卡)

下载主程序和模型(ComfyUI文件夹),解压主程序一键包,将ComfyUI文件夹移动到主程序目录下即可

WebUI
启动WebUI,上传参考图和驱动音频,输入提示词,设置宽度和高度,最后生成即可。

支持单人和双人两种模式,双人模式需要上传一张两人照


ComfyUI工作流
双击启动,浏览器打开 http://localhost:8188,点击左侧的 工作流程,选择对应的工作流
进入工作流后,
上传参考图和驱动音频,输入提示词,设置宽度和高度,最后生成即可。
支持单人和双人两种模式,选择对应的工作流,双人模式需要上传一张两人照片


说下优缺点:优点是相比上一代1.5,能生成更长的视频,最高支持10分钟以上的视频生成,而且生成的效果也更好。缺点是速度很慢,非常慢,尤其是8G显存,建议12G显存起,运存32G起。




软件目录结构:

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │      └── longcat-avatar-1.6_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │      └── umt5_xxl_int8_convrot.safetensors
│   ├── 📂 loras/
│   │      └── longcat-avatar-1.6_dmd_lora_rank128_bf16.safetensors

│   │      └── longcat-avatar-1.6_opsd_lora_rank128_bf16.safetensors
│   ├── 📂 vae/
│   │      └── wan_2.1_vae.safetensors
│   ├── 📂 audio_encoders/
│   │      └── whisper_large_v3_encoder_fp16.safetensors
📂 deepface/
......





下载地址:
光鸭云盘:https://www.guangyapan.com/s/1971253396453789752_afKpfuS_zVounNhq

夸克网盘:
🔒登录后查看
需要登录才能查看内容


百度网盘:
🔒登录后查看
需要登录才能查看内容


DEEPFACE论坛免责声明
本论坛发布的所有内容,包括图片、软件、模型等部分来自网络,版权归原作者所有。
本论坛提供的内容仅用于个人学习和研究,请勿滥用,否则由此引发的责任需自行承担。
请合理合法使用AI技术,并遵守当地法律法规,不要用于违法用途!
如本站发布内容侵犯了你的合法权益,请联系我们删除。
全站默认解压密码: https://deepface.cc/ 或 https://deepfaces.cc/ (密码就是这个网址,不要点开去找。复制完整网址即可,不要有空格)

AI软件个性化定制、功能定制
各种参数DFL换脸模型/实时换脸模型底丹、实时换脸模型训练教学/实时换脸模型定制
论坛所有一键包报错请在帖子下方跟帖,看到会回复,非上上宾会员不支持一对一解答,请确认再下载!
全站默认解压密码: https://deepface.cc/ 或 https://deepfaces.cc/ (密码就是这个网址,不要点开去找。复制完整网址即可,不要有空格)
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|前沿AI软件资源与资讯

GMT+8, 2026-11-22 05:04 , Processed in 0.040662 second(s), 5 queries , Redis On.

Powered by Discuz! X3.5

©2001-2023 Discuz! Team

快速回复 返回顶部 返回列表