Modelo de vídeo con licencia MIT de Meituan para generación de texto, imagen y vídeo largo con continuación.
LongCat-Video abarca texto a vídeo, imagen a vídeo y continuación de vídeo.
LongCat-Video es un modelo abierto de generación de vídeo de Meituan que gestiona texto a vídeo, imagen a vídeo y continuación de vídeo en un solo modelo. Es ideal para desarrolladores que buscan pesos con licencia MIT para clips largos.
El repositorio incluye código de inferencia para texto a vídeo, imagen a vídeo, continuación de vídeo, generación de vídeo largo y generación interactiva, además de modelos de avatar basados en audio y una interfaz de Streamlit.
Es adecuado para desarrolladores con GPUs CUDA y paciencia para compilar FlashAttention. No es apto para usuarios no técnicos, y el README no indica la cifra de VRAM, por lo que deberás dimensionar tu hardware mediante pruebas.
Texto a vídeo, imagen a vídeo y continuación comparten un modelo.
Diseñado para ampliar clips mucho más allá de una sola generación corta.
El README incluye un modo de vídeo interactivo.
Se incluye vídeo de avatar con una o múltiples fuentes de audio guiado por audio.
Una aplicación de Streamlit integrada evita tener que escribir scripts de inferencia.
Ejecuciones multi-GPU y una opción int8 para el modelo de avatar.
Gratis bajo la licencia MIT. El único coste es el hardware de GPU y el almacenamiento donde lo ejecutes; no aparece ningún plan alojado de pago en el repositorio.
896 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 25 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
El README indica que los pesos del modelo se publican bajo la Licencia MIT, la cual permite el uso comercial. Añade que esto no otorga derechos sobre marcas o patentes de Meituan.
Texto a vídeo, imagen a vídeo, continuación de vídeo, generación de vídeo largo, vídeo interactivo y vídeo de avatar guiado por audio, según el README.
El README no proporciona ninguna cifra de VRAM. Menciona ejecuciones multi-GPU y una opción int8 que reduce la memoria para el modelo de avatar.
Ve Zekai primero en Google