LongCat Video Avatar 1.5

Sí, bajo una licencia MIT, que es tan permisiva como las licencias de pesos abiertos pueden ser. Puedes entregar trabajos a clientes, crear un producto basado en él o ejecutarlo a gran escala sin pagar tarifas de licencia ni reportar su uso a nadie.

Una GPU de 40 GB es el mínimo realista. Una prueba práctica lo ejecutó en una A800 con cuantización INT8 y la destilación de ocho pasos. Eso aún requirió alrededor de 44 segundos de cómputo en GPU por cada segundo de video finalizado.

Personajes de anime, animales y escenas con múltiples personas funcionan, incluyendo tomas donde alguien manipula un objeto. El canto y la actuación también se sostienen, lo cual es inusual para un modelo creado en torno al habla.

Aumenta el valor de audio CFG, que funciona mejor entre 3 y 5. También escribe prompts más largos y descriptivos, porque los cortos le dan menos información al modelo para mantener la coherencia a lo largo de un clip.

Siempre que nadie en el equipo trabaje con GPUs de manera profesional. La configuración es genuinamente difícil, el cómputo es lento, y una herramienta por suscripción lo supera claramente a menos que ya tengas el hardware y el tiempo de ingeniería.