news.inema.pro / Todas las noticias
LongCat-Video crea vídeos de varios minutos y avatares parlantes con IA abierta
Proyecto de Meituan con IA abierta para crear vídeos de varios minutos y avatares parlantes, bajo licencia MIT.
LongCat-Video es un modelo abierto de inteligencia artificial creado por la empresa china Meituan. Convierte una descripción de texto, una imagen o el comienzo de un video en nuevas escenas. También puede continuar un video y crear videos de varios minutos, en 720p y 30 fotogramas por segundo. La versión LongCat-Video-Avatar 1.5 usa una foto y un audio para hacer hablar a una persona, con movimientos de boca sincronizados. El código y los modelos tienen licencia MIT.
Para quienes producen videos, esto permite crear escenas y alargar un video con el mismo modelo. Avatar 1.5 también ofrece una opción para animar personas a partir de una foto y un audio. Como el modelo es abierto, puede ejecutarse en un servidor propio, pero requiere equipos potentes: la guía destaca el uso de tarjetas gráficas NVIDIA y bastante espacio en disco. El proyecto aún no se ha probado en el servidor mencionado en la guía.
Para empezar, se necesita Linux con NVIDIA y CUDA, y preparar el entorno de programación indicado por el proyecto. Después, descargue solo los archivos del modelo necesarios para la tarea: el modelo base para generar o continuar videos, o Avatar 1.5 para crear avatares que hablan. Hay ejemplos de comandos y una interfaz que funciona en el navegador. Antes de planificar su uso, revise el espacio en disco necesario y tenga en cuenta que el README no indica la memoria mínima de la tarjeta gráfica.
El enlace abre el contenido original; algunos requieren suscripción.
Ir más allá en INEMA.CLUB
Más noticias
- 15/10VoiceStudio: alternativa local y abierta a ElevenLabsEl programa gratuito y abierto ejecuta localmente funciones de ElevenLabs, como clonación de voz, voz por descripción, doblaje y transcripción; propone probar motores de TTS en portugués con la voz de Nei.
- 15/10VoiceStudio: clonación de voz, doblaje y transcripción en tu propio equipoVoiceStudio ofrece clonación de voz, doblaje y transcripción local como alternativa a ElevenLabs.
- 15/10sala-multiplayer: personas, Claude, Codex y Telegram en la misma conversaciónEl proyecto reúne a personas, Claude, Codex y Telegram en una conversación con un panel en vivo.
- 15/10robotica-so101 simula el brazo SO-101 antes de probarlo en la mesa realEl proyecto simula cómo el brazo SO-101 recoge y suelta objetos antes de probar el movimiento en la mesa real.
- 15/10reel3d-teste crea vídeos 3D animados con código e iluminación realistaEl proyecto crea escenas 3D de una habitación y una casa, con iluminación realista y sin usar IA de vídeo.