美团发布 LongCat-Video 视频生成模型，突破长视频生成技术

美团 LongCat 团队发布了全新的 LongCat-Video 视频生成模型，该模型基于 Diffusion Transformer (DiT) 架构，支持 文生视频、图生视频 和 视频续写 等功能，突破了传统视频生成的局限性，尤其在长视频生成方面表现突出。LongCat-Video 能稳定生成 5分钟 的连贯视频，并在 语义理解、视觉呈现 和 物理运动合理性 等方面达到开源领域的 SOTA（State-Of-The-Art） 水平。

LongCat-Video 视频生成模型的亮点

🎥 支持多种视频生成方式

LongCat-Video 基于 Diffusion Transformer (DiT) 架构，能够支持 文生视频（从文字生成视频）、图生视频（从图像生成视频）以及 视频续写（对现有视频进行续集生成）。这一多功能特性，使得用户可以在不同的场景下应用该模型进行创作，无论是从零开始生成全新内容，还是扩展现有视频素材，LongCat-Video 都能提供高质量的输出。

⏱️ 长视频生成与时序一致性

该模型在长视频生成方面表现尤为突出，能够稳定输出 5分钟 连贯的视频内容。与传统的视频生成技术不同，LongCat-Video 可以有效避免 色彩漂移 和 画质降解 问题，确保生成视频在长时间内依然具有高质量的视觉呈现。

🚀 二阶段生成策略，速度提升

LongCat-Video 采用了 二阶段粗到精的生成策略，这种策略显著提升了视频生成的效率，将推理速度提升至 10.1倍。这一优化使得模型能够在更短的时间内生成高质量视频，大幅提升了视频生成的生产力。

应用场景与优势

内容创作者与媒体制作
对于视频创作者来说，LongCat-Video 提供了一个高效且多样的工具，帮助他们快速制作从文字到视频的内容。无论是短视频平台的内容创作，还是电影制作和广告行业，LongCat-Video 都能提供优质的视频生成体验。

教育与培训
教育行业可以利用该技术生成教学视频或互动式学习内容。通过 文生视频 功能，教师能够快速将课程文本转化为视频，提升教学效果。

游戏与虚拟现实
LongCat-Video 的 图生视频 功能可以为游戏开发者和虚拟现实创作者提供全新的视频生成方式。通过输入游戏场景图像，开发者可以生成相应的动态视频，提高游戏内容的制作效率。

自动化视频制作
广告和市场营销团队可以使用 LongCat-Video 实现自动化视频制作，快速生成具有广告宣传或产品展示性质的视频内容，节省时间和成本。

总结

LongCat-Video 视频生成模型 的发布，标志着视频生成技术的又一次突破。基于 Diffusion Transformer 架构，该模型不仅支持多种视频生成方式，还能稳定生成长时间的视频内容，且具有出色的时序一致性和物理运动合理性。通过 二阶段粗到精生成策略，LongCat-Video 还大幅提升了视频生成效率，成为内容创作者、教育工作者、广告营销团队等多个领域的强大工具。