LongCat-Video-Avatar 1.6의 개요
LongCat-Video-Avatar 1.6은 오디오로 사람 동영상을 구동하는 Meituan의 오픈 모델로, 2026년 11월 13일 Hugging Face에 공개되었습니다. 음성 트랙과 레퍼런스 사진 또는 텍스트 프롬프트를 주면, 한 명 이상의 사람이 말하거나 노래하는 영상을 생성하며 입, 얼굴, 몸이 오디오에 맞춰 움직입니다. 동영상을 구간별로 이어서 생성할 수도 있습니다. Meituan은 1.6이 억지스럽거나 지나치게 붉은 입 움직임과 긴 생성에서 쌓이는 오류를 줄여, 정체성과 신체 구조를 유지한 채 10분이 넘는 클립도 만들 수 있다고 말합니다.
136억 파라미터 LongCat-Video 베이스 위에 구축되었으며, 이 베이스는 고정된 채 버전 1.5와 공유됩니다. 여기에 각각 2.35 GB인 LoRA 어댑터 두 개가 더해져 함께 8스텝 샘플러를 돌립니다. BF16 transformer는 약 30 GB, 새로 추가된 선택적 INT8 버전은 약 15 GB이며, FP8 모드에는 NVIDIA의 Transformer Engine이 필요합니다. 공식 데모는 컨텍스트 병렬로 GPU 2개에서 돌아갑니다.
가중치와 코드는 MIT 라이선스입니다. Comfy-Org가 11월 18일 ComfyUI용으로 가중치를 다시 패키징했고, 커뮤니티 노드 팩으로 실행할 수 있으며, ComfyUI 코어 지원은 아직 검토 중입니다.
LongCat-Video-Avatar 1.6, 쓸 만한 가치가 있습니까?
LongCat-Video-Avatar 1.6은 긴 토킹 헤드 동영상을 위한 가장 강력한 오픈 선택지이며, 이전 버전 1.5처럼 MIT 라이선스입니다. Meituan이 자체적으로 진행한 33,051표의 선호도 연구에서 6개 시스템 중 1068.1 Elo로 2위를 차지했으며, 1236.7의 OmniHuman-2.0 다음이고 906.4의 HeyGen과 854.7의 Kling Avatar 2.0보다 앞섭니다.
이 수치에는 두 가지 단서가 붙습니다. 연구는 Meituan이 진행했고 아무도 재현하지 않았습니다. 그리고 1051.8이던 버전 1.5 대비 향상은 약 16점에 불과합니다. 1.6의 진짜 변화는 지속력입니다. 얼굴이나 몸이 흐트러지지 않고 10분이 넘는 클립을 만드는 것이며, 강의, 제품 소개, 더빙된 인터뷰에 바로 그것이 필요합니다.
주의할 점: 이것은 서비스가 아니라 연구용 파이프라인입니다. 공식 방법은 GPU 2개에서 돌아가고, transformer만 BF16에서 약 30 GB, INT8에서 15 GB를 차지하며, Meituan은 출력 해상도, 프레임 레이트, VRAM 수치를 공개하지 않습니다. Meituan의 호스팅 API는 없고, ComfyUI 지원은 코어 지원이 들어올 때까지 재패키징 버전과 커뮤니티 노드에 의존합니다. 사용자는 동의 문제도 생각해야 합니다. 사진 한 장으로 어떤 얼굴이든 움직이기 때문입니다.
결론: OmniHuman-2.0이 여전히 더 좋아 보이지만, LongCat 1.6은 자기 하드웨어에서 돌리고 라이선스 협상 없이 배포할 수 있는 모델입니다. GPU와 몇 시간 분량의 내레이션을 가진 교육팀에게는 큰 차이입니다.
제 역할을 하는 곳
녹음된 내레이션 40시간을 보유한 온라인 강좌 회사
촬영 없이 모든 강의에 일관된 진행자를 화면에 등장시키기
동의한 진행자의 승인된 사진 한 장을 각 강의의 오디오와 짝지어 사내 GPU 두 개에서 10분 이상의 연속 구간을 생성합니다. 비용은 GPU 시간뿐이며 분당 라이선스 비용은 없습니다.
인터뷰를 스페인어와 일본어로 더빙하는 현지화 스튜디오
화자의 입술을 더빙 트랙에 다시 맞추기
각 화자의 프레임 한 장과 더빙 오디오를 넣고, 두 사람이 나오는 장면에는 다인원 모드를 씁니다. 긴 테이크는 납품 전에 입 부분을 확인하십시오.
도입 전 확인할 점
- 설정
- meituan-longcat/LongCat-Video를 클론하고 PyTorch, FlashAttention, 아바타 요구 패키지를 설치한 뒤 LongCat-Video와 Avatar-1.6 가중치를 내려받아 GPU 2개에서 torchrun 데모를 실행합니다.
- 연동
- diffusers와 transformers를 쓰는 Python 파이프라인, 커뮤니티 노드 팩을 쓰는 Comfy-Org의 ComfyUI 재패키징, Apple Silicon용 커뮤니티 MLX 포트.
- 데이터와 개인정보
- 전부 자기 하드웨어에서 돌아가므로 사진과 음성 트랙이 로컬에 남습니다. 사진 한 장으로 어떤 얼굴이든 움직이므로, 등장시키는 사람의 동의를 받으십시오.
- 대규모 사용 시 비용
- 라이선스나 분당 요금이 없습니다. 비용은 공식 방법 기준 최소 GPU 2개의 사용 시간이며, INT8이나 FP8로 메모리를 줄일 수 있습니다.
- 제한
- 출력 해상도, 프레임 레이트, VRAM 요구량 비공개. INT8과 FP8 모드는 함께 쓸 수 없음. 컴파일이 포함된 첫 실행은 더 느립니다.
좋은 점
- MIT 라이선스 가중치와 코드, 지역이나 매출 제한 없음
- 정체성 흐트러짐 없이 10분이 넘는 토킹 헤드 클립
- Meituan 연구에서 6개 중 2위, HeyGen과 Kling Avatar 2.0보다 앞섬
아쉬운 점
- 벤치마크는 Meituan 자체 연구이며, 1.5 대비 향상은 약 16점
- 공식 데모는 GPU 2개 필요, 해상도·프레임 레이트·VRAM 비공개
- 호스팅 API 없음, ComfyUI 지원은 재패키징과 커뮤니티 노드뿐
추천 대상
자기 GPU를 갖추고, 허용적인 라이선스로 길고 립싱크가 맞는 진행자 영상이나 강의 영상이 필요한 팀.
LongCat-Video-Avatar 1.6 대안
LongCat-Video-Avatar 1.6: 자주 묻는 질문
- LongCat-Video-Avatar 1.6, 쓸 만한 가치가 있습니까?
- LongCat-Video-Avatar 1.6은 GPU 두 개가 있고 호스팅 API가 필요 없다면, 넘어서야 할 기준이 되는 오 픈 토킹 헤드 모델입니다. 평점은 5점 만점에 3.8점입니다.
- LongCat-Video-Avatar 1.6의 가격은 얼마입니까?
- MIT 라이선스로 가중치와 코드 무료. Meituan의 호스팅 API는 없습니다.
- LongCat-Video-Avatar 1.6의 단점은 무엇입니까?
- 벤치마크는 Meituan 자체 연구이며, 1.5 대비 향상은 약 16점; 공식 데모는 GPU 2개 필요, 해상도·프레임 레이트·VRAM 비공개; 호스팅 API 없음, ComfyUI 지원은 재패키징과 커뮤니티 노드뿐.
- LongCat-Video-Avatar 1.6에 적합한 사람은 누구입니까?
- 자기 GPU를 갖추고, 허용적인 라이선스로 길고 립싱크가 맞는 진행자 영상이나 강의 영상이 필요한 팀.
- 팀이나 프로덕션 환경에서 LongCat-Video-Avatar 1.6의 비용은 얼마입니까?
- 라이선스나 분당 요금이 없습니다. 비용은 공식 방법 기준 최소 GPU 2개의 사용 시간이며, INT8이나 FP8로 메모리를 줄일 수 있습니다.
- LongCat-Video-Avatar 1.6에 회사 데이터를 맡겨도 안전합니까?
- 전부 자기 하드웨어에서 돌아가므로 사진과 음성 트랙이 로컬에 남습니다. 사진 한 장으로 어떤 얼굴이든 움직이므로, 등장시키는 사람의 동의를 받으십시오.
- LongCat-Video-Avatar 1.6의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 LongCat-Video, HeyGen Video 1, MiniMax H3 (Hailuo 3.0), HyperFlow H3 및 LTX-2.5입니다.
답변 확인일: 2026년 11월 21일.