Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

LongCat-Video-Avatar 1.6

O modelo de avatares falantes da Meituan, com licença MIT, transforma uma foto e uma faixa de voz em vídeo com sincronia labial de mais de 10 minutos.

Análise de ReviewRamble editors · Atualizado

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

3.8/5

LongCat-Video-Avatar 1.6 é o modelo aberto de cabeças falantes a ser batido, desde que você tenha duas GPUs e não precise de uma API hospedada.

O que é LongCat-Video-Avatar 1.6?

LongCat-Video-Avatar 1.6 é o modelo aberto da Meituan para vídeo de pessoas guiado por áudio, publicado no Hugging Face em 13 de novembro de 2026. A partir de uma faixa de fala e de uma foto de referência ou um prompt de texto, ele gera uma ou mais pessoas falando ou cantando, com boca, rosto e corpo se movendo conforme o áudio, e consegue continuar um vídeo trecho a trecho. A Meituan diz que a 1.6 reduz movimentos de boca forçados ou vermelhos demais e o erro que se acumula em gerações longas, de modo que os clipes podem passar de 10 minutos mantendo a identidade e a estrutura do corpo.

Ele se apoia na base LongCat-Video de 13,6 bilhões de parâmetros, congelada e compartilhada com a versão 1.5, mais dois adaptadores LoRA de 2,35 GB cada, que juntos rodam um amostrador de 8 passos. O transformer em BF16 tem cerca de 30 GB e uma nova versão INT8 opcional cerca de 15 GB; um modo FP8 exige o Transformer Engine da NVIDIA. As demos oficiais rodam em 2 GPUs com paralelismo de contexto.

Os pesos e o código têm licença MIT. A Comfy-Org reempacotou os pesos para o ComfyUI em 18 de novembro, e um pacote de nós da comunidade os executa, enquanto o suporte no núcleo do ComfyUI segue em revisão.

LongCat-Video-Avatar 1.6 vale a pena?

LongCat-Video-Avatar 1.6 é a opção aberta mais forte para vídeo longo de cabeças falantes e, como a versão 1.5 antes dele, tem licença MIT. No estudo de preferência da própria Meituan, com 33.051 votos, ele fica em 2º entre seis sistemas, com 1068,1 Elo, atrás do OmniHuman-2.0, com 1236,7, e à frente da HeyGen, com 906,4, e do Kling Avatar 2.0, com 854,7.

Esses números merecem duas ressalvas. Quem fez o estudo foi a Meituan, e ninguém o repetiu; e o ganho sobre a versão 1.5, com 1051,8, é de só cerca de 16 pontos. A mudança real da 1.6 é a resistência: clipes de mais de 10 minutos sem que o rosto ou o corpo se desfigurem, que é o que uma aula, uma demonstração de produto ou uma entrevista dublada exige.

O porém: é um pipeline de pesquisa, não um serviço. A receita oficial roda em 2 GPUs, só o transformer ocupa cerca de 30 GB em BF16 ou 15 GB em INT8, e a Meituan não publica resolução de saída, taxa de quadros nem número de VRAM. A Meituan não oferece API hospedada, e o suporte no ComfyUI depende de um reempacotamento e de um nó da comunidade até o suporte oficial chegar. Quem usar também deve pensar em consentimento: ele anima qualquer rosto a partir de uma única foto.

Nossa opinião: o OmniHuman-2.0 ainda tem visual melhor, mas o LongCat 1.6 é o que você pode rodar no seu próprio hardware e publicar sem negociar licença. Para uma equipe de treinamento com GPUs e horas de narração, é uma diferença grande.

Onde ele se destaca

  • Uma empresa de cursos online com 40 horas de narração gravada

    Colocar um apresentador consistente na tela em todas as aulas sem gravar

    Combine uma foto aprovada de um apresentador que deu consentimento com o áudio de cada aula e gere trechos contínuos de 10 minutos ou mais em duas GPUs próprias; o custo é tempo de GPU, sem taxa de licença por minuto.

  • Um estúdio de localização que dubla entrevistas para espanhol e japonês

    Ressincronizar os lábios dos entrevistados com a faixa dublada

    Envie um quadro de cada pessoa e o áudio dublado, usando o modo de várias pessoas para cenas com duas; confira a região da boca nas tomadas longas antes da entrega.

Antes de decidir

Configuração
Clone meituan-longcat/LongCat-Video, instale PyTorch, FlashAttention e os requisitos do avatar, baixe os pesos do LongCat-Video e do Avatar-1.6 e rode as demos com torchrun em 2 GPUs.
Integrações
Pipeline em Python com diffusers e transformers; reempacotamento da Comfy-Org para o ComfyUI com um pacote de nós da comunidade; port MLX da comunidade para Apple Silicon.
Dados e privacidade
Roda inteiramente no seu próprio hardware, então fotos e faixas de voz ficam locais; como ele anima qualquer rosto a partir de uma foto, colete o consentimento das pessoas retratadas.
Custo em escala
Sem licença nem taxa por minuto; o custo é tempo de GPU em pelo menos 2 GPUs na receita oficial, com INT8 ou FP8 para reduzir memória.
Limites
Resolução de saída, taxa de quadros e necessidade de VRAM não publicadas; os modos INT8 e FP8 não podem ser combinados; as primeiras execuções com compilação são mais lentas.

O que é bom

  • Pesos e código com licença MIT, sem limites regionais ou de receita
  • Clipes de cabeça falante de mais de 10 minutos sem perda de identidade
  • 2º entre seis no estudo da Meituan, à frente da HeyGen e do Kling Avatar 2.0

O que não é

  • O benchmark é da própria Meituan; o ganho sobre a 1.5 é de cerca de 16 pontos
  • As demos oficiais exigem 2 GPUs; resolução, taxa de quadros e VRAM não publicadas
  • Sem API hospedada; suporte no ComfyUI só por reempacotamento e nós da comunidade

Ideal para

Equipes com GPUs próprias que precisam de vídeos longos de apresentador ou de aula com sincronia labial e licença permissiva.

Alternativas ao LongCat-Video-Avatar 1.6

LongCat-Video-Avatar 1.6: perguntas frequentes

LongCat-Video-Avatar 1.6 vale a pena?
LongCat-Video-Avatar 1.6 é o modelo aberto de cabeças falantes a ser batido, desde que você tenha duas GPUs e não precise de uma API hospedada. Damos nota 3.8 de 5.
Quanto custa LongCat-Video-Avatar 1.6?
Pesos e código gratuitos sob licença MIT; a Meituan não oferece API hospedada.
Quais são as desvantagens de LongCat-Video-Avatar 1.6?
O benchmark é da própria Meituan; o ganho sobre a 1.5 é de cerca de 16 pontos; as demos oficiais exigem 2 GPUs; resolução, taxa de quadros e VRAM não publicadas; sem API hospedada; suporte no ComfyUI só por reempacotamento e nós da comunidade.
Para quem LongCat-Video-Avatar 1.6 é indicado?
Equipes com GPUs próprias que precisam de vídeos longos de apresentador ou de aula com sincronia labial e licença permissiva.
Quanto custa LongCat-Video-Avatar 1.6 para uma equipe ou em produção?
Sem licença nem taxa por minuto; o custo é tempo de GPU em pelo menos 2 GPUs na receita oficial, com INT8 ou FP8 para reduzir memória.
LongCat-Video-Avatar 1.6 é seguro para dados da empresa?
Roda inteiramente no seu próprio hardware, então fotos e faixas de voz ficam locais; como ele anima qualquer rosto a partir de uma foto, colete o consentimento das pessoas retratadas.
Quais são as melhores alternativas ao LongCat-Video-Avatar 1.6?
As alternativas mais próximas que analisamos são LongCat-Video, HeyGen Video 1, MiniMax H3 (Hailuo 3.0), HyperFlow H3 e LTX-2.5.

Respostas verificadas em 21 de nov. de 2026.