近日，美团正式发布了其最新的视频生成模型 ——LongCat-Video，标志着其在人工智能领域迈出了重要一步。LongCat-Video 旨在帮助 AI 更好地理解和重构真实世界，推动世界模型的研究进展。作为一种能够模拟物理规律和场景逻辑的智能系统，LongCat-Video 为 AI 提供了 “看见” 世界运行本质的能力。

该模型基于 Diffusion Transformer（DiT）架构，能够处理多种视频生成任务，包括文本生成视频、图像生成视频以及视频续写。其独特之处在于，不同的生成任务无需额外模型适配，形成了一个完整的任务闭环。例如，文本生成视频能够生成720p、30fps 的高清视频，精准解析文本指令，并展现出色的语义理解和视觉呈现能力。图像生成视频则严格保留参考图像的各项特征，确保动态过程符合物理规律。视频续写功能则是 LongCat-Video 的核心优势之一，能够根据多帧前序内容续接视频，为长视频生成提供了强有力的技术支持。

LongCat-Video 具备出色的长视频生成能力，能够连续输出长达5分钟的视频，且在生成过程中不出现质量损失。模型通过先进的技术手段，有效避免了色彩漂移和画质降解，保证了跨帧时序一致性和物理运动合理性。此外，LongCat-Video 还结合了块稀疏注意力和条件 token 缓存机制，大幅提高了长视频生成的效率，解决了以往长视频生成在时长与质量之间的矛盾。

在高分辨率和高帧率的视频生成中，LongCat-Video 通过多重优化策略，提升了推理速度，确保了生成质量与效率的最佳平衡。该模型经过严格的内部与公开基准测试，展现出卓越的通用性能，综合能力达到开源领域的领先水平。

LongCat-Video 的发布为创作者开启了长视频创作的新旅程，让视频生成变得更加简单高效。

🌟GitHub:

https://github.com/meituan-longcat/LongCat-Video

🌟Hugging Face:

https://huggingface.co/meituan-longcat/LongCat-Video

🌟Project Page:

https://meituan-longcat.github.io/LongCat-Video/

划重点:  

🌟 LongCat-Video 是美团推出的一款视频生成模型，旨在推动 AI 理解真实世界。  

🎥 该模型支持文本生成、图像生成和视频续写三种核心任务，实现了高质量视频生成。  

⚡ LongCat-Video 在长视频生成方面具备显著优势，能够稳定输出5分钟的连贯视频。