LongCat Video Avatar 1.6 是什么:怎么运行、先确认什么
LongCat Video Avatar 1.6 是美团开源的模型,把语音音频(可再加一张照片)变成说话人物的视频,开发方称可生成超过 10 分钟的长视频;本站目前只做图片、不做视频,但下面的照片编辑器用的是另一个模型,编辑你上传的一张照片约 37 秒,每张 10 积分,按月套餐低至 $0.13。注册即送:10 积分 = 1 张。

你的照片风格转换(卡通、3D、动漫)目前还不稳定。如果结果看起来没有变化,请再试一次,或把想要的修改写得更具体。
一键修改
- 不是 LongCat,与美团无关
- 只做图片:本站不制作视频
- 注册即送:10 积分 = 1 张
- Hugging Face 仓库创建日(HF API);美团 README 的新闻行写 11 月 15 日
- 2026-11-13
- 模型权重的许可(模型卡)
- MIT
- BF16 基础模型文件;INT8 版是 15.9 GB(我们自己加总)
- 31.7 GB
- 开发方称的视频长度,我们没测
- > 10 分钟
LongCat Video Avatar 1.6 是什么
来自 Hugging Face 模型卡
- 美团 LongCat 团队称它是自家开源的音频驱动人物视频生成框架的最新升级,建立在 LongCat-Video-Avatar 1.5 之上。模型卡把基础模型列为 meituan-longcat/LongCat-Video。来源: Hugging Face 模型卡 ·
- 输入(来自模型卡的标签和演示命令):语音加文字(audio-text-to-video)、语音加参考图(audio-image-text-to-video),以及按音频续写一段视频。演示涵盖单人和多人动画。来源: Hugging Face 模型卡 ·
- 许可:模型权重为 MIT。模型卡补充说不授予美团商标或专利的任何权利,并说明模型没有针对所有下游用途做过全面评估。来源: Hugging Face 模型卡 ·
- 语言:模型卡标注英文和中文,并说明不同语言的表现有差异,没有给出分语言的结果。来源: Hugging Face 模型卡 ·
- 日期:模型卡没有写发布日。Hugging Face 仓库创建于 2026-11-13,LongCat-Video 仓库的 README 里这次发布的新闻行写的是 2026 年 11 月 15 日;ComfyUI Wiki 记为 11 月 13 日。来源: Hugging Face API 和 GitHub README ·
开发方的说法,我们没测过
- 1.6 据称口型更自然、长视频更稳(模型卡写的是可生成超过 10 分钟的视频并保持身份和画质),端到端推理也更快。模型卡和项目页都没给速度数字。来源: Hugging Face 模型卡 ·
- 开发方自己做的人工偏好测评,共 33,051 张有效投票、六个系统两两比较 15 组。1.6 排第二,Bradley–Terry Elo 为 1068.1,在 OmniHuman-2.0 之后,在 1.5、HeyGen、OmniHuman-1.5 和 Kling Avatar 2.0 之前。我们看不到测评方法,它也不是独立测试。来源: Hugging Face 模型卡 ·
商用前要先弄清的许可问题
- 权重是 MIT,但 1.6 项目页最下面的“伦理考虑”一节写着:生成内容仅限学术使用,不允许商用。我们分不清这是内容声明还是对使用的限制,两者读起来并不一致。要做任何商用,先问美团(模型卡留的邮箱是 longcat-team@meituan.com)。这不是法律意见。来源: LongCat-Video-Avatar 1.6 项目页 ·
怎么运行:开发方 README
- 克隆 LongCat-Video 仓库,建 Python 3.10 的 conda 环境,装 torch 2.6.0(CUDA 12.4 版)和 flash_attn 2.7.4.post1,再装 requirements.txt 和 requirements_avatar.txt,用 huggingface-cli 下载权重。演示脚本用 torchrun 运行,示例命令用 2 块 GPU 做上下文并行。来源: GitHub README ·
- README 提到的选项:Hopper 架构 GPU(H20、H100、H200、H800)可用 FlashAttention 3,可选 FP8(需要 Transformer Engine)或仅权重的 INT8,以及数字人演示的 480P 和 720P 设置。README 没写 GPU 或内存下限。来源: GitHub README ·
- ComfyUI:模型卡没提。ComfyUI Wiki 是社区新闻站,自称与官方 ComfyUI 无关,它报道说 LongCat 数字人的社区插件还没有为 1.6 更新,所以它点名的是官方 Python 流程。来源: ComfyUI Wiki(第三方) ·
本站相关页面
- Avatar 1.6 所基于的基础模型 LongCat Video,在本站有单独一页:它是什么、在哪运行、fal.ai 每秒的价格。来源: LongCat Video 是什么、在哪运行
- 想改的是静态照片,就在 AI 照片编辑器里直接写下要改的地方:最多 400 个字符,约 37 秒,出一张图。来源: AI 照片编辑器:写下要改的地方
- 本站另一篇视频模型介绍,读法相同:开发方怎么说,我们哪些没能确认。来源: Seedance 2.5 是什么
- 本站所有的照片特效,从换风格到节日人像,列在一页里。来源: 全部 AI 照片特效
没能确认的
- 1.6 模型卡上的参数量、输出分辨率和帧率、单段最长时长、任何速度数字:模型卡都没写。README 里 480P 和 720P 那一行在与 1.5 共用的提示里。来源: Hugging Face 模型卡 ·
- 托管版本:模型卡说没有推理服务商运行它。搜索结果里 fal.ai 列有 LongCat 数字人接口,但页面对我们返回 404,所以我们不写价格,也不知道它跑的是哪个 Avatar 版本。来源: Hugging Face 模型卡 ·
- 技术报告(LongCat-Video 仓库里的 PDF)我们没读,模型卡的 arXiv 字段也是空的。只出现在那里的数字,本页没有。来源: GitHub README ·
体积
LongCat Video Avatar 1.6 的下载体积,与本站对比
| - | Hugging Face 上的体积 | 是什么 |
|---|---|---|
| base_model(6 个文件) | 31.71 GB | 全精度(BF16)的视频模型 |
| base_model_int8(4 个文件) | 15.88 GB | 可选的仅权重 INT8 版本,用 --use_int8 开启 |
| loraA 和 loraB | 各 2.52 GB | 两个适配器:DMD(loraA)和 OPSD(loraB),采样时混合使用 |
| 本站 | 无需下载 | 编辑一张照片约 37 秒,10 积分(1024 × 1024);不做视频 |
在哪运行
怎么运行 LongCat Video Avatar 1.6
先弄清许可问题
模型卡写权重为 MIT,而项目页写生成内容仅限学术使用。凡是商用,先问美团,并把回复留存。
在自己的 GPU 上:开放权重
照 GitHub README 做:Python 3.10、torch 2.6.0、flash_attn、两个 requirements 文件,再用 huggingface-cli 下载权重并运行 torchrun 演示。README 的示例用两块 GPU,没写下限,所以先拿一小段试。
ComfyUI 或托管 API:未确认
我们没找到确认可用的 1.6 ComfyUI 路径,也打不开任何带价格的托管页面。要围绕其中任何一个做计划之前,先看模型卡有没有新消息。
只要静态图片?用本站
本站目前只做图片、不做视频。上传一张照片,在编辑器里写下要改的地方,最多 400 个字符。
提示词
本站编辑器的照片编辑提示词
这些提示词是为本站的照片编辑器写的,它编辑静态图片,用的模型和 LongCat Video Avatar 1.6 不同。我们没有为这一页运行过它们,它们也不做视频或说话人物。
每个一键编辑一条提示词
清理背景杂物
修改我上传的照片:去掉背景里分散注意力的杂物(零散物品、垃圾、垃圾桶、电线、招牌和背景里的路人),用周围的内容自然补上。构图不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
纯色影棚背景
修改我上传的照片:把背景换成柔光照亮的纯浅灰影棚背景,带自然柔和的阴影。构图不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
职业头像背景
把我上传的照片改成干净的职业头像:平滑的中性灰蓝渐变背景,脸上柔和均匀的影棚光,保持原构图或稍微收紧成头肩照。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
修正光线
修改我上传的照片:只修光线。平衡曝光,提亮脸上的暗部,压住过曝的高光,校正白平衡让肤色自然。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
暖色黄昏光
修改我上传的照片:只把光线改成从侧面照来的低角度暖色黄金时刻阳光,柔和的长影子和暖光,像日落前不久拍的。场景和构图不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
经典黑白
把我上传的照片改成经典黑白照片:对比丰富、黑色深沉、白色干净,带细腻的胶片颗粒。构图完全不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
水彩画
把我上传的照片重画成柔和的水彩画:有纹理的白纸、松散的晕染和看得见的笔触边缘,构图不变。每个人和宠物都要认得出来,不要增加或去掉任何人。不要文字、标志或水印。
锐化去噪
修改我上传的照片:轻度锐化,减少噪点和压缩痕迹,找回头发、布料和边缘的细节,不要塑料感或过度磨皮。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
本站的照片工具
用本站的图像模型编辑、修复、换风格
- 替代方案与 AI 工具打开
MiniMax H3 Image打开
LongCat Video打开
Adobe Firefly 替代打开
EasyFaceSwap 替代打开
Vidwud 换脸替代打开
MeiGen AI 替代打开
SnapGen AI 替代打开
Canva 头像生成替代打开
QuickAIHeadshots 替代打开
Betterpic 替代打开
Everygen 替代打开
PhotoCraft 替代打开
免费剪辑 AI打开
Kixy 是什么打开
OpenShorts 替代打开
Snazo 替代打开
Vikas edit 替代打开
Seedream 5.5打开
PromptSeen 替代打开
Prompt AI Editz打开
Ronytica 替代打开
Pixlr 替代打开
无限制免费 AI 生图打开
MiniMax H3 Image 角色替换打开
MiniMax H3 Image ComfyUI 工作流打开
Seedance打开
LTX 2.5打开
PAN2打开
FastFrames L打开
Swagga AI 网站打开
Wan 2.2 与 Wan 2.1打开
M4 Editor 替代打开
Harish Edits 替代打开- AI 照片特效打开
- 全部 AI 照片特效打开
常见问题
常见问题
LongCat Video Avatar 1.6 是什么?
它是美团 LongCat 团队的开源音频驱动人物视频模型:输入语音,可再加一张参考照片,输出一个说话的人物。它是 Avatar 1.5 的升级,建立在 LongCat-Video 基础模型之上,权重采用 MIT 许可。
本站是 LongCat Video Avatar 1.6 吗?能在这里做数字人视频吗?
不是。本站不是 LongCat,也不是美团,不运行 Avatar 1.6,目前只做图片、不做视频。本站的编辑器用的是另一个模型:上传一张照片,写下要改的地方(最多 400 个字符),或点一个现成的编辑。
LongCat Video Avatar 1.6 怎么从 GitHub 运行,能在 ComfyUI 里用吗?
步骤在 meituan-longcat/LongCat-Video 的 GitHub README 里:Python 3.10 环境、torch 2.6.0、flash_attn、两个 requirements 文件、从 Hugging Face 下载权重,再运行 torchrun 演示。我们没找到确认可用的 1.6 ComfyUI 路径;一家社区新闻站说现有的社区插件还没为它更新。
LongCat Video Avatar 1.6 需要多少显存?
没有写明。模型卡和 README 都没给内存下限。我们能给的是下载体积,由我们在 2026-11-19 从文件列表加总:BF16 基础模型 31.71 GB,可选 INT8 版 15.88 GB,每个适配器 2.52 GB。
能商用吗?许可是什么?
权重是 MIT,模型卡说不授予美团商标或专利的任何权利。但项目页写着生成内容仅限学术使用、不允许商用。我们无法把两者调和,所以任何商用之前请先问美团。这不是法律意见。
LongCat Avatar 从 1.5 到 1.6 变了什么?
据模型卡,1.6 沿用 1.5 的架构,新增两个 LoRA 适配器。开发方称口型更自然、超过 10 分钟的视频更稳、推理更快,并且他们自己的偏好测评把 1.6 排在 1.5 之前。这些我们都没测过。
它和 LongCat Video 有什么不同?
LongCat Video 是基础视频模型(文生视频、图生视频、续写);Avatar 1.6 是建立在它之上的另一个音频驱动模型。本站的 LongCat Video 页讲基础模型、它的 MIT 许可和 fal.ai 每秒的价格。
在这里能免费试用吗?
部分免费:新账号登录后送 10 积分,够免费生成 1 张(每个账号一次,7 天内有效,当天新账号名额送完即止)。每张 10 积分,按月套餐低至 $0.13。
独立网站,与美团、LongCat、Hugging Face、ComfyUI、fal.ai 无关,本站不运行 LongCat Video Avatar 1.6,也不制作视频。模型的信息来自开发方自己的页面和上面注明的第三方页面,读取于 2026-11-19;开发方的说法我们没有测过。这不是法律意见。