LongCat-Video-Avatar

LongCat-Video-Avatar 1.6 は、美団(Meituan)の LongCat による音声駆動型デジタルヒューマン動画モデルで、単独および複数人のシーンをサポートします。公式によれば、リップシンク、表情と肢体の協調性、および 10 分以上の長尺動画の一貫性が向上したとされています。Comfy-Org はこれを ComfyUI 用のファイルに再パッケージ化しました。具体的には、int8 メインモデル、dmd と opsd の 2 つの rank-128 LoRA、umt5_xxl テキストエンコーダ(fp16 と int8 の 2 種類)、および Wan 2.1 VAE が含まれており、各ファイルを配置すべきディレクトリも記載されています。

LongCat-Video-Avatar 1.6 は、美団(Meituan)の LongCat による音声駆動型デジタルヒューマン動画モデルで、単独および複数人のシーンをサポートします。公式によれば、リップシンク、表情と肢体の協調性、および 10 分以上の長尺動画の一貫性が向上したとされています。Comfy-Org はこれを ComfyUI 用のファイルに再パッケージ化しました。具体的には、int8 メインモデル、dmd と opsd の 2 つの rank-128 LoRA、umt5_xxl テキストエンコーダ(fp16 と int8 の 2 種類)、および Wan 2.1 VAE が含まれており、各ファイルを配置すべきディレクトリも記載されています。

なぜ重要か 原版では、conda、FlashAttention、および 2 種類の依存関係を自分で設定する必要がありました。公式パッケージには int8 メインモデル、2 つの LoRA、テキストエンコーダ、VAE が含まれており、自分で変換する手間が省けます。

ハグでいいね 7 · ハグでポイント上昇 7 · ハグでダウンロード 0

ライセンス:商用利用可 · ComfyUI:公式パッケージ · VRAM:VRAM 要件は未記載

理由

  • Comfy-Org 公式アカウントにより公開され、MIT ライセンスであり、元モデルは商用利用が可能
  • 元モデルカードには技術レポートと人間による評価テストが付属している

使い方

  • ファイルを ComfyUI/models 内の diffusion_models、loras、text_encoders、vae ディレクトリにそれぞれ配置してください。パッケージページにはワークフローが含まれていないため、構築の際は ComfyUI の公式テンプレートや更新情報を参照してください

リスク

  • パッケージページにはファイルとディレクトリのみが記載されており、VRAM 要件やワークフローは記載されていません
  • デジタルヒューマン動画は肖像権や音声に関わるため、他人のイメージを使用する際は許諾を得る必要があります

開く

抱脸 image-to-video 新模型

最新の AI ニュースを見る