唠唠资讯2025年10月27日 13:44消息，美团开源LongCat-Video，支持稳定生成5分钟视频内容。
2025年10月27日，今日上午，美团LongCat团队正式发布并开源了LongCat-Video视频生成模型。据官方介绍，该模型在文本生成视频、图像生成视频等基础任务中均达到开源领域的最先进水平。同时，通过原生视频续写任务的预训练，LongCat-Video实现了分钟级的长视频连贯生成，有效保障了跨帧之间的时序一致性和物理运动的合理性，在长视频生成领域展现出显著优势。
根据介绍，近年来，“世界模型”（World Model）被认为是通向下一代人工智能的核心技术，它使人工智能能够真正理解、预测甚至重构现实世界。作为一种能够模拟物理规律、时空变化和场景逻辑的智能系统，“世界模型”让人工智能具备了“观察”和“理解”世界运行本质的能力。而视频生成模型则有望成为构建世界模型的重要途径：通过视频生成任务，人工智能可以整合几何、语义、物理等多方面的知识，在数字空间中进行模拟、推演乃至预演真实世界的运作过程。
作为一款基于DiffusionTransformer（DiT）架构的多功能统一视频生成基础模型，LongCat-Video创新性地通过“条件帧数量”来区分不同任务——文本生成视频时无需提供条件帧，图像生成视频时需输入1帧参考图，视频续写则依赖于多帧前序内容。该模型原生支持三大核心任务，无需额外模型调整，构建起“文生视频/图生视频/视频续写”的完整任务闭环。
文生视频：可生成720p、30fps的高清视频，能够准确解析文本中的物体、人物、场景及风格等细节指令，其语义理解与视觉生成能力达到开源领域的最先进水平。
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。这一技术在图像生成领域展现出强大的能力，尤其在保持画面结构和逻辑关系方面具有显著优势。无论是复杂场景还是细微变化，系统都能精准还原原始图像的核心特征，同时确保动态过程的合理性与自然流畅。这种技术不仅提升了生成内容的质量，也为后续应用提供了更可靠的支撑。
视频续写：视频续写是LongCatVideo的核心竞争优势，能够基于多帧条件帧延续视频内容，为长视频的生成提供原生的技术支持。
依托视频续写任务的预训练技术、Block-Causal Attention机制以及GRPO后训练方法，LongCat-Video能够稳定生成5分钟长度的视频内容，且保持高质量输出，被称作行业“顶尖”水平。
附有关链接如下：
GitHub：https://github.com/meituan-longcat/LongCat-Video
Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Video
Project Page：https://meituan-longcat.github.io/LongCat-Video/
