标签
LongCat-Video 是一个基于 Diffusion Transformer 的 13.6B 参数视频生成模型，支持文生视频、图生视频和视频续写任务，通过粗细粒度结合与分块稀疏注意力实现高效的长视频生成。
美团发布 LongCat-Video，一款 136 亿参数的基础视频生成模型，统一文本生成视频、图像生成视频与视频续写任务，支持高效长视频生成，采用块稀疏注意力机制，并结合多奖励 GRPO 的强化学习（RLHF）进行优化。