Meituan LongCat ha publicado en código abierto su modelo de generación de vídeo de avatares digitales de calidad comercial, LongCat-Video-Avatar 1.5. El modelo presenta importantes mejoras en la sincronización labial, la verosimilitud física y la interacción entre varias personas. Utiliza un codificador de audio Whisper-large mejorado y un nuevo sistema de datos para lograr una mejor generalización. Gracias a la tecnología de destilación DMD, la inferencia es 15 veces más rápida. Las pruebas comparativas muestran que supera a rivales como Kling Avatar 2.0 y HeyGen en cuanto a preferencia de los usuarios y estabilidad del vídeo. El lanzamiento tiene como objetivo proporcionar una base técnica verificable para los desarrolladores.