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。

改好的照片会显示在这里(本站编辑器)
本站做的影棚背景编辑:同一位女士,背景换成纯浅灰影棚
原图(AI 生成,虚构人物):在公园里微笑的棕色卷发女士,穿绿色毛衣你的照片
写下你想改的地方,或者留空,在下面选一个一键修改。0/400

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

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

我们自己从 1.6 仓库的 Hugging Face 文件列表加总,读取于 2026-11-19,单位为十进制 GB。这是下载体积,不是内存需求;模型卡没有给内存数字。本站的数字来自自己的设置。
-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

  1. 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。

  2. 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。

  3. 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。

  4. 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。

本站价格

积分包或按月套餐。

按一次性积分包购买($4.99 购买 50 积分,$9.99 购买 120 积分,$19.99 购买 300 积分),每张 10 积分。也可选按月套餐,每月 $9.90 起(500 积分),随时可取消。

  • 基础版 · $9.90/月每月 500 积分 · 约 50 张图 · 每张 $0.20
  • 专业版 · $19.90/月每月 1500 积分 · 约 150 张图 · 每张 $0.13

每月扣款,自动续费。随时可在设置中取消,已付费的当月结束前套餐照常可用。每月积分只在当月有效,用不完会过期。

退款政策

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。

只需要改一张照片?

上传照片,写下要改的地方,约 37 秒后下载。

在本站编辑照片

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。