LongCat-Video：美团开源136亿参数高效AI长视频生成模型

LongCat-Video是美团LongCat团队研发的136亿参数开源AI视频生成模型，支持文本到视频（Text-to-Video）、图像到视频（Image-to-Video）及视频续写（Video-Continuation）全任务流程，核心优势在于高效生成高质量长视频。模型基于多奖励强化学习优化（GRPO）技术，在内部与公共基准测试中，性能对标业界领先开源方案及最新商业级视频生成模型。

LongCat-Video核心功能：

1、长视频稳定生成：

针对视频续写任务开展专项预训练，可生成分钟级长视频，全程无色彩漂移、画质衰减问题，保障内容连贯性与视觉一致性。

2、多任务统一架构：

采用一体化视频生成框架，将文本驱动生成、图像驱动生成、视频续写三大核心任务集成于单一模型，无需额外适配即可完成全场景任务。

3、高效推理能力：

结合粗到细生成策略与Block Sparse Attention技术，可在分钟级时间内完成720p分辨率、30fps帧率视频的生成，兼顾效率与画质。

4、多维度性能优化：

基于多奖励Group Relative Policy Optimization（GRPO）算法优化，在文本语义对齐、视觉清晰度、运动流畅度等维度全面提升，性能达到业界领先水平。

LongCat-Video技术原理：

1、统一任务架构设计：

构建单一视频生成框架，通过共享模型参数与网络结构，实现文本、图像、视频多种输入形式的统一处理，避免多模型部署的冗余成本，提升任务适配灵活性。

2、长视频生成专项训练：

以视频续写任务为预训练核心，结合时序连贯性建模与帧间特征对齐算法，确保模型在生成分钟级视频时，内容逻辑与视觉质量保持稳定。

3、高效推理加速策略：

采用“先粗后细”的分层生成流程：首先生成视频的基础帧结构与核心内容，再逐步细化纹理、色彩等细节；同时引入Block Sparse Attention技术，降低高分辨率视频生成时的计算复杂度，实现推理效率的显著提升。

4、GRPO多奖励强化学习优化：

基于Group Relative Policy Optimization（GRPO）算法，构建文本对齐度、视觉质量、运动流畅度多维度奖励函数，通过强化学习迭代优化模型参数，实现生成视频综合性能的全面增强。

LongCat-Video典型应用场景：

1、内容创作领域：

助力创作者快速生成广告短片、短视频素材、动画片段等内容，大幅缩短素材制作周期，提升内容生产效率。

2、视频编辑与扩展：

针对现有视频片段进行智能续写，满足故事内容扩展、影视片段补全、短视频二次创作等场景需求。

3、教育与培训场景：

自动生成教学演示视频、实操讲解动画等内容，将抽象知识转化为直观的视频形式，增强教学互动性与学习体验。

4、娱乐与游戏开发：

为游戏场景生成动态环境素材、角色动作动画，提升游戏视觉表现力与沉浸感，降低美术资源制作成本。

5、智能交互与服务：

赋能智能客服、虚拟助手等系统，生成可视化视频回应，为用户提供更直观、生动的交互体验。

6、创意设计与原型验证：

辅助设计师将创意概念快速转化为视频原型，直观呈现设计效果，加速创意方案的迭代与验证流程。

进入LongCat-Video官网入口