美团 LongCat 团队发布开源音频驱动人体视频生成模型 LongCat-Video-Avatar 1.6,改进口型自然度、唇音同步、面部与肢体动作协调及长视频视觉一致性,缓解自回归续写误差累积,可生成超过 10 分钟的视频,并加入端到端推理优化。