IT之家10月27日消息，今天上午，美团LongCat团队发布并开源LongCat-Video视频生成模型。根据官方介绍，其以统一模型在文生、图生视频基础任务上达到开源SOTA（最先进水平），并依托原生视频续写任务预训练，实现分钟级长视频连贯生成，保障跨帧时序一致性与物理运动合理性恒运资本配资，在长视频生成领域具备显著优势。
根据介绍，近年来，“世界模型”（WorldModel）可让人工智能真正理解、预测甚至重构真实世界，从而被视作通往下一代智能的核心引擎。作为能够建模物理规律、时空演化与场景逻辑的智能系统恒运资本配资，“世界模型”赋予人工智能“看见”世界运行本质的能力。而视频生成模型有望成为构建世界模型的关键路径：通过视频生成任务压缩几何、语义、物理等多种形式的知识，人工智能得以在数字空间中模拟、推演乃至预演真实世界的运行。
作为基于DiffusionTransformer（DiT）架构的多功能统一视频生成基座，LongCat-Video创新通过“条件帧数量”实现任务区分——文生视频无需条件帧、图生视频输入1帧参考图、视频续写依托多帧前序内容，原生支持三大核心任务且无需额外模型适配，形成“文生/图生/视频续写”完整任务闭环。
文生视频：可生成720p、30fps高清视频恒运资本配资，能精准解析文本中物体、人物、场景、风格等细节指令，语义理解与视觉呈现能力达开源SOTA级别。
图生视频：严格保留参考图像的主体属性、背景关系与整体风格，动态过程符合物理规律，支持详细指令、简洁描述、空指令等多类型输入，内容一致性与动态自然度表现优异。
视频续写：视频续写是LongCatVideo的核心差异化能力，可基于多帧条件帧续接视频内容，为长视频生成提供原生技术支撑。
依托视频续写任务预训练、Block-CausualAttention机制和GRPO后训练，LongCat-Video可稳定输出5分钟级别的长视频，且无质量损失恒运资本配资，号称达到行业“顶尖”水平。
易倍策略提示：文章来自网络，不代表本站观点。
