Modelo de vídeo sob licença MIT da Meituan para geração de texto, imagem e vídeos longos com continuação.
O LongCat-Video cobre texto para vídeo, imagem para vídeo e continuação de vídeo.
O LongCat-Video é um modelo de geração de vídeo open source da Meituan que lida com texto para vídeo, imagem para vídeo e continuação de vídeo em um único modelo. Ele é ideal para desenvolvedores que desejam pesos sob licença MIT para clipes longos.
O repositório inclui código de inferência para texto para vídeo, imagem para vídeo, continuação de vídeo, geração de vídeos longos e geração interativa, além de modelos de avatar guiados por áudio e uma interface Streamlit.
Ele é adequado para desenvolvedores com GPUs CUDA e paciência para compilar o FlashAttention. Não é adequado para usuários não técnicos, e o README não informa o valor de VRAM, portanto dimensione seu hardware por meio de testes.
Texto para vídeo, imagem para vídeo e continuação compartilham o mesmo modelo.
Criado para estender clipes muito além de uma única geração curta.
O README lista um modo de vídeo interativo.
Inclui vídeo de avatar acionado por áudio simples e multi-áudio.
Um aplicativo Streamlit empacotado evita a necessidade de escrever scripts de inferência.
Execuções em várias GPUs e uma opção int8 para o modelo de avatar.
Gratuito sob a licença MIT. O único custo é o hardware de GPU e armazenamento onde você o executa; nenhum plano hospedado pago consta no repositório.
896 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 10 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
O README afirma que os pesos do modelo são lançados sob a Licença MIT, o que permite o uso comercial. Acrescenta que isso não concede direitos sobre marcas registradas ou patentes da Meituan.
Texto para vídeo, imagem para vídeo, continuação de vídeo, geração de vídeos longos, vídeo interativo e vídeo de avatar acionado por áudio, de acordo com o README.
O README não fornece nenhum valor de VRAM. Ele menciona execuções em várias GPUs e uma opção int8 que reduz o consumo de memória para o modelo de avatar.
Veja o Zekai primeiro no Google