LongCat-Video 登場：美團發表統一影片生成模型，挑戰分鐘級影片極限

發佈於: 2025-10-27 • 更新於: 2025-10-27 • 1 分鐘閱讀

探索美團最新發表的AI影片生成模型 LongCat-Video。它不僅是一個統一框架，能處理文生影片、圖生影片等多種任務，更擅長生成長達數分鐘的高品質影片，向「世界模型」邁出重要一步。

AI 影片生成的賽道最近真的越來越熱鬧了。當我們還在驚嘆於 OpenAI Sora 或快手 Kling 所展示的驚人效果時，另一位重量級選手也帶著獨特的技術加入了這場競賽。

那就是由美團（Meituan）團隊發表的 LongCat-Video，一個統一的基礎影片生成模型。

你可能會想，又是一個 AI 影片工具？有什麼特別的嗎？老實說，它的確有幾個非常吸引人的亮點，特別是在解決目前 AI 影片生成的一些核心痛點上。

許多 AI 模型專注於單一任務，例如「文字轉影片」或「圖片轉影片」。但 LongCat-Video 走的是一條更整合的路線。它採用了統一的架構，將多種主流的影片生成任務整合在一個模型中。

這意味著，無論你是想：

LongCat-Video 都能用同一個核心模型來處理。這就像擁有一個影片創作的瑞士軍刀，而不是一堆單獨的工具，大大簡化了工作流程。

這可能是 LongCat-Video 最令人興奮的特色。

如果你玩過其他的 AI 影片工具，你可能會發現，生成幾秒鐘的短片很容易，但要製作一段長達數分鐘、內容連貫且畫質穩定的影片，卻是個巨大的挑戰。很多模型在時間拉長後，會出現畫面風格丕變、顏色漂移（color drifting），或是角色前後不一的窘境，就像一個講故事講到一半忘了主角長相的說書人。

LongCat-Video 巧妙地解決了這個問題。它的秘密武器在於，模型在預訓練階段就專注於「影片續寫（Video-Continuation）」任務。換句話說，它從一開始就被訓練成一個「故事接龍」的高手。

這種原生的續寫能力，讓它在生成長影片時，能更好地保持內容的連貫性和品質穩定性，避免了畫面崩壞或風格錯亂的問題。根據官方展示，它能夠產出長達數分鐘的影片而沒有明顯的品質下降。

聽起來很神奇，對吧？LongCat-Video 的高效與高品質，主要歸功於幾個關鍵技術的結合：

由粗到精（Coarse-to-Fine）的生成方式： 這個方法很直觀，就像畫家畫畫一樣，先打個草稿，再逐步完善細節。模型會先生成一個低解析度的影片雛形，然後再逐步提升解析度和細節，最終產出 720p、30fps 的高畫質影片。這不僅提升了效率，也確保了最終的品質。
區塊稀疏注意力（Block Sparse Attention）： 這是為了提升運算效率的聰明設計。傳統的注意力機制會讓 AI 一次處理畫面的所有資訊，非常耗費資源。而區塊稀疏注意力則讓 AI 能「專注」在畫面上最重要的部分，跳過不相關的區域，既聰明又省力，大大加快了生成速度。
多獎勵強化學習（Multi-Reward RLHF）： 你可能聽過 RLHF（人類回饋強化學習），也就是讓模型從人類的偏好中學習。LongCat-Video 更進一步，採用了「多獎勵」機制。這代表它不只學習「像不像」，而是從多個維度去評斷影片的好壞，例如：畫面美感、動作流暢度、故事邏輯、與文字描述的貼合度等。這讓最終產出的影片更符合人類的審美和期待。