镜像社区

部署GPU实例

模型与Agent

控制台

立即注册

SOTA级音频驱动数字人-LongCat-Video-Avatar

Name: SOTA级音频驱动数字人-LongCat-Video-Avatar
Author: AI-KSK

实现身份永续、动作自然的数字人生成

镜像大小

120 GB

当前版本

v3.0

累计部署

82 次

累计运行

87 h

运行环境

框架版本

PyTorch-12.8

CUDA版本

12.8

应用

JupyterLab: 8888

支持卡型

48G RTX40系RTX50系

LongCat-Video-Avatar

镜像使用教程

1.创建实例

租用可选的机器

2.启动后点击JupyterLab

3.ComfyUI路径下打开Terminal

复制启动命令并运行

source myenv/bin/activate && python main.py --listen 0.0.0.0 --port 8188

4.点击ComfyUI启动进入

5.点击左侧文件夹，选择想要运行的工作流

欢迎加入AI-KSK镜像使用交流群

AAI-KSK

认证作者

个人主页

0 个镜像 · 被使用 82 次

交流与支持

扫码加入交流群

作者与用户在群内答疑

版本日志

v3.0最新

12-22

在图生视频对口型工作流基础上增加文生视频对口型工作流，劣化问题解决,LongCat-Video-Avatar 通过解耦无条件引导、参考跳跃注意力与跨块潜在特征拼接三项核心技术，分别突破长视频生成中“无声静默”“动作僵硬”与“身份漂移”三大技术壁垒，实现音频驱动数字人的身份永续、动作自然与长时序稳定生成。

v2.0

12-21

在图生视频对口型工作流基础上增加文生视频对口型工作流，LongCat-Video-Avatar 通过解耦无条件引导、参考跳跃注意力与跨块潜在特征拼接三项核心技术，分别突破长视频生成中“无声静默”“动作僵硬”与“身份漂移”三大技术壁垒，实现音频驱动数字人的身份永续、动作自然与长时序稳定生成。

v1.0

12-20

LongCat-Video-Avatar 通过解耦无条件引导、参考跳跃注意力与跨块潜在特征拼接三项核心技术，分别突破长视频生成中“无声静默”“动作僵硬”与“身份漂移”三大技术壁垒，实现音频驱动数字人的身份永续、动作自然与长时序稳定生成。

评分

0.0

暂无评分

我的评分

未评分

相关镜像