Avatar piloté par l'audio · Poids ouverts
LongCat-Video-Avatar 1.6 sans censure : une photo, une voix, dix minutes de vidéo parlante
Donnez-lui un portrait et un enregistrement, et LongCat-Video-Avatar 1.6 renvoie une vidéo de cette personne en train de parler : les lèvres tombent sur chaque syllabe, le visage réagit au ton de la voix, et la tête et les épaules bougent comme bougent vraiment les gens quand ils parlent. Publiée par l'équipe LongCat de Meituan le 15 novembre 2026, cette mise à jour vise avant tout à rester crédible longtemps : l'équipe annonce des clips de plus de dix minutes qui conservent le même visage et une image nette. Vous trouverez ci-dessous ce qui a changé, comment les créateurs l'utilisent, des astuces pour les dialogues à deux, des prompts prêts à copier et les moyens les plus rapides de l'essayer.
- Photo + voix → vidéo
- Prises de plus de 10 minutes
- Synchronisation labiale naturelle
- Dialogue à deux
Générateur vidéo alternatif sans censure
Image vers vidéoPartez d'un seul portrait, décrivez comment le personnage parle, sourit et bouge, et nous ouvrons le studio image vers vidéo avec tout déjà rempli. Les thèmes adultes sont les bienvenus tant que toutes les personnes représentées ont 18 ans ou plus et sont fictives ou consentantes.
Des vidéos parlantes de dix minutes qui ne se désagrègent pas
Quiconque a essayé les têtes parlantes IA connaît le problème habituel : les premières secondes sont superbes, puis le visage fond peu à peu, la bouche se met à scintiller et la personne ne ressemble plus à la photo de départ. LongCat-Video-Avatar 1.6 a été conçu précisément pour corriger cela. Le modèle prolonge la vidéo morceau par morceau, et l'équipe l'a entraîné sur de longues séquences pour que les petites erreurs cessent de s'accumuler. Sa promesse est simple et audacieuse : plus de dix minutes de vidéo avec la même identité, une qualité d'image stable et des mouvements fluides.
Pour les créateurs, cela change la façon de travailler. Un cours complet, une longue présentation produit, un épisode de podcast ou un chapitre de livre audio peut tenir en une seule prise continue au lieu d'une pile de clips de quinze secondes recollés dans un logiciel de montage. Vous pouvez aussi garder un même personnage sur toute une série : fournissez un nouvel audio chaque semaine et le même visage continue de parler, ce dont les animateurs virtuels et les chaînes d'histoires ont le plus besoin.
- Audio + photo : animez un portrait existant, le mode le plus populaire.
- Audio + texte : pas encore de photo ? Décrivez la personne et laissez le modèle l'inventer.
- Continuation : prolongez un clip existant avec la suite de l'audio, en conservant le même rendu.
- Multi-personnes : donnez à chaque intervenant sa propre piste audio pour les conversations.
LongCat Avatar 1.6 vs 1.5 : des lèvres plus calmes, des visages plus stables
La version 1.5 est sortie en mai 2026 et faisait déjà partie des favorites des amateurs d'open source. La nouvelle version garde la même base et le même encodeur audio Whisper-Large : les améliorations viennent donc de l'entraînement plutôt que d'une nouvelle architecture. Ce que vous verrez concrètement à l'écran : des bouches qui n'articulent plus chaque mot à l'excès, des lèvres qui ne sont plus anormalement rouges, moins de scintillement autour de la bouche et des expressions faciales qui bougent en accord avec la tête et le corps. Dans le test à l'aveugle mené par l'équipe elle-même avec 33 051 votes valides, la 1.6 s'est classée deuxième sur six systèmes, derrière le seul OmniHuman-2.0 (fermé) et devant la 1.5, HeyGen, OmniHuman-1.5 et Kling Avatar 2.0. Ce classement est l'évaluation propre de l'éditeur, pas un benchmark indépendant.
| Version 1.5 | Version 1.6 | |
|---|---|---|
| Sortie | 21 mai 2026 | 15 novembre 2026 |
| Mouvements de la bouche | Parfois exagérés, lèvres rougeâtres | Plus doux, plus naturels, moins de scintillement |
| Vidéos longues | La dérive s'accumule avec le temps | Plus de 10 minutes avec une identité stable (selon l'équipe) |
| Vitesse | Échantillonnage distillé en 8 étapes | 8 étapes : mélange DMD + OPSD d'abord, puis OPSD seul |
| Préférence humaine (Elo) | Plus faible | 1068,1, deuxième sur six systèmes |
Un testeur de la communauté qui a converti le modèle pour Mac a mesuré des scores de synchronisation labiale SyncNet d'environ 6,8 à 7,4 pour la 1.6, contre environ 6,5 pour la 1.5 (vidéo réelle : 7,05). Chiffres non officiels.
De la photo à la vidéo parlante : comment les créateurs l'utilisent
Les têtes parlantes pilotées par l'audio n'étaient autrefois qu'un gadget de démonstration. Avec des prises plus longues et des visages plus naturels, elles sont devenues un outil pratique pour quiconque a besoin d'une personne à l'écran qui lit un script, sans engager de présentateur, louer de studio ni se filmer soi-même. Associez un portrait à une voix enregistrée ou à une piste de synthèse vocale, et vous obtenez en quelques minutes un présentateur, un enseignant, un narrateur ou un personnage de fiction. Les scènes ci-dessous sont celles que les créateurs de vidéos courtes, les formateurs et les créateurs de personnages testent en premier.
- Mini-séries et BD IA : des plans de dialogue réplique par réplique pour chaque personnage, produits en lot à partir de scripts TTS.
- Vidéos produit et boutique : un animateur sympathique explique un produit ou présente une boutique sur un ton naturel et bavard.
- Cours et vidéos explicatives : un conférencier de dix minutes qui continue de gesticuler et d'acquiescer, ou des versions doublées dans d'autres langues (la qualité peut varier selon la langue).
- Animateurs virtuels et compagnons IA : un personnage qui répond aux fans ou aux messages de chat par une réponse vidéo.
- Vieilles photos et tableaux qui parlent : donnez une voix à un portrait de famille ou à une œuvre d'art pour une publication mémorable.
- Chant et play-back : comme il suit l'audio, les clips musicaux valent la peine d'être essayés, même si les résultats ne sont pas officiellement testés.
Longs cours et conférences
Transformez une narration complète en une seule vidéo continue de présentateur au lieu de dizaines de clips courts.
Dialogues de fiction
Donnez à deux personnages leur propre piste vocale et obtenez une scène d'échange avec des réactions naturelles.
Animateurs virtuels
Gardez un même visage sur toute une série d'épisodes, de vidéos produit ou de réponses aux fans.
Conversations à deux, interviews et duos
L'un des modes les plus amusants de LongCat-Video-Avatar 1.6 est la vidéo multi-personnes. Donnez au modèle une image avec deux personnes et une piste audio distincte pour chacune, et il anime celle qui parle pendant que l'autre écoute et réagit. Cela ouvre la porte à des formats qui nécessitaient autrefois deux acteurs : une interview façon podcast, un couple qui se dispute dans une mini-série, un duo comique, un jeu de rôle professeur-élève ou un animateur qui discute avec un invité. Comme la stabilité sur les vidéos longues s'applique aussi ici, ces dialogues peuvent durer plusieurs minutes plutôt qu'un simple échange.
Une bonne astuce consiste à garder une scène simple : deux personnes face à face ou assises côte à côte, les deux visages bien visibles, et un prompt qui indique qui parle en premier. Enregistrez ou générez ensuite les deux voix séparément et alignez-les en un échange naturel, avec de courtes pauses entre les répliques.
Modèles de prompts pour des vidéos parlantes naturelles
Voici l'essentiel à retenir pour rédiger vos prompts avec LongCat-Video-Avatar 1.6 : l'audio décide de ce que dit la personne, le prompt texte décide de l'aspect du plan. Décrivez la distance de la caméra, l'ambiance, les gestes et l'éclairage, jamais le dialogue lui-même. Pour les vidéos longues, gardez la même description de la personne dans chaque segment afin que le personnage ne dérive pas. Ces modèles couvrent les formats préférés ; changez les détails et conservez la structure.
- Présentatrice : une jeune femme dans un studio lumineux, plan moyen, parlant chaleureusement à la caméra, gestes naturels des mains, douce lumière du jour, caméra stable.
- Présentation produit : un homme tenant une tasse de café au comptoir d'un café, souriant, expliquant le produit avec des expressions vives, faible profondeur de champ.
- Cours : un professeur debout devant un tableau blanc, ton calme, hochements de tête et gestes de pointage occasionnels, plan fixe sur trépied.
- Dialogue : deux amis assis face à face sur un canapé, la personne de gauche parle en premier puis celle de droite répond, éclairage décontracté de salon.
- Chanteuse : une chanteuse sur une petite scène, visage expressif, se balançant doucement au rythme, projecteur chaleureux.
- Monologue séducteur (18+) : une femme adulte fictive en bikini sur une plage au coucher du soleil, sourire charmeur, parlant doucement à la caméra, une légère brise dans les cheveux.
Téléchargement Hugging Face, ComfyUI, INT8, GGUF et Mac MLX
Si vous aimez tout faire tourner vous-même, les poids sont téléchargeables gratuitement sur Hugging Face et ModelScope, et le code se trouve dans le dépôt GitHub LongCat-Video. L'équipe n'a pas publié d'exigence officielle en mémoire, mais elle fournit une option INT8 (poids uniquement) pour les configurations plus légères, et la communauté a été rapide : il existe des paquets ComfyUI (dont un de Comfy-Org), un build ComfyUI pour la 1.6, des conversions INT8 et des fichiers GGUF issus de la branche 1.5 pour les cartes à faible VRAM.
Les utilisateurs de Mac disposent aussi d'une conversion Apple MLX. Son auteur indique que sur un M5 Max avec 64 Go de mémoire, chaque segment de 3,7 secondes en 480p prend environ huit minutes, avec un pic proche de 47 Go : une vidéo de dix minutes devient donc un travail de toute une nuit. C'est pourquoi beaucoup de créateurs préfèrent un outil dans le navigateur pour tester des idées rapidement et réservent l'exécution locale aux longues prises finales.
Modèles open source d'avatars parlants en 2026 : une alternative à HeyGen et OmniHuman ?
Les services d'avatars par abonnement comme HeyGen, OmniHuman et Kling Avatar sont soignés, mais ils limitent la durée des clips, facturent à la minute et modèrent ce que vous importez. Le modèle de Meituan est l'alternative ouverte que beaucoup attendaient : des poids gratuits sous licence MIT, des prises qui dépassent dix minutes et un score de préférence humaine qui, dans le test de ses créateurs, bat HeyGen et Kling Avatar 2.0. Parmi les autres options ouvertes figurent Kandinsky S2V, qui anime le corps entier à partir de prompts textuels, et MultiTalk pour les scènes à plusieurs personnes. Le hic de tout modèle ouvert, c'est le matériel : les vidéos longues exigent un GPU puissant ou beaucoup de patience.
Créer une vidéo de personnage parlant 18+ sur Spicy AI
La version officielle ne mentionne aucun filtre de contenu intégré sur sa fiche de modèle, et aucun fine-tune communautaire sans censure n'existe encore ; aujourd'hui, les gens l'utilisent en local avec leurs propres illustrations de personnages adultes. Pour une solution plus rapide dans le navigateur, le studio image vers vidéo de Spicy AI anime n'importe quel portrait de personnage fictif de 18 ans ou plus, d'un monologue espiègle en bikini à un salut murmuré façon ASMR, en passant par la réponse d'une petite amie virtuelle.
- 1Créez ou importez le portrait d'un personnage fictif adulte ; essayez d'abord un look maillot de bain ou lingerie réalisé avec l'éditeur d'images.
- 2Décrivez comment il parle et bouge : un sourire, un mouvement vers la caméra, un clin d'œil, un éclairage doux.
- 3Générez le clip, puis ajoutez votre propre voix off ou piste TTS au montage.
Pour des résultats optimaux, gardez ces conseils en tête :
- Utilisez un portrait net, de face, avec un visage bien éclairé et non masqué par les mains ou les cheveux.
- Utilisez une voix propre sans musique de fond ; le guide officiel de la 1.5 recommande un CFG audio de 3 à 5 en exécution locale.
- Gardez une description du personnage identique d'un segment à l'autre pour que les vidéos longues restent cohérentes.
Donnez vie au portrait d'un personnage 18+ dans votre navigateur, sans GPU.
Lancer l'image vers vidéo →Héberger LongCat Avatar 1.6 soi-même ou générer en ligne sur Spicy AI
| Déploiement local (poids officiels) | Spicy AI en ligne | |
|---|---|---|
| Filtrage du contenu | Aucun filtre en ligne quand vous l'exécutez vous-même | Contenu adulte (18+) autorisé |
| Poids ouverts | Oui, licence MIT sur Hugging Face | Sans objet, fonctionne en ligne |
| Modèle réellement utilisé | LongCat Avatar 1.6 (avatar-v1.6) | Les propres modèles vidéo de Spicy AI |
| Prix | Poids gratuits, vous payez le GPU | Gratuit pour commencer, crédits pour aller plus loin |
- Local : synchronisation labiale pilotée par votre propre audio, prises de plus de dix minutes, contrôle total.
- Spicy AI : animez un portrait dans le navigateur, sans matériel ni installation.
Questions fréquentes
Qu'est-ce que ce modèle ?
C'est un modèle vidéo d'avatar parlant à poids ouverts, publié par l'équipe LongCat de Meituan le 15 novembre 2026. Il transforme un portrait (ou une description textuelle) et une voix en vidéo parlante, et prend en charge les modes une personne, multi-personnes et continuation longue.
Qu'est-ce qui est mieux dans la 1.6 que dans la 1.5 ?
La synchronisation labiale est plus précise, les expressions et les mouvements de la tête ou du corps sont mieux coordonnés, les formes de bouche exagérées et les lèvres trop rouges sont atténuées, et les erreurs s'accumulent moins dans les vidéos longues. L'équipe affirme qu'il peut dépasser dix minutes, et l'inférence est plus rapide de bout en bout.
Quelle durée peuvent atteindre les vidéos ?
L'équipe annonce plus de dix minutes avec une qualité et une identité stables. Le modèle prolonge la vidéo segment par segment ; le build Mac communautaire, par exemple, produit des segments de 93 images d'environ 3,7 secondes chacun.
De quel matériel ai-je besoin pour l'exécuter en local ?
Aucun chiffre officiel de mémoire n'a été publié. Il existe une option INT8 (poids uniquement), FlashAttention 3 est recommandé sur les GPU Hopper, et la version MLX communautaire a atteint un pic d'environ 47 Go sur un M5 Max de 64 Go. La plupart des utilisateurs occasionnels trouveront un outil en ligne plus simple.
Fonctionne-t-il dans ComfyUI ?
Le dépôt GitHub ne mentionne pas de nœuds ComfyUI officiels, mais Hugging Face héberge un paquet Comfy-Org, un build ComfyUI communautaire pour la 1.6 et des fichiers GGUF issus de la branche 1.5.
Existe-t-il une version sans censure ?
Aucun fine-tune communautaire sans censure n'était apparu au 20 novembre 2026. Les poids s'exécutent en local et la fiche du modèle ne décrit aucun filtre de contenu. Les créations pour adultes doivent impliquer uniquement des personnages fictifs ou consentants de 18 ans ou plus.
Comment se compare-t-il à HeyGen ou OmniHuman ?
Dans l'évaluation humaine menée par l'équipe elle-même, il s'est classé deuxième sur six systèmes, derrière OmniHuman-2.0 et devant HeyGen et Kling Avatar 2.0. Ses principaux atouts sont ses poids ouverts et ses prises très longues.
Sources
- Fiche du modèle LongCat-Video-Avatar-1.6 (Hugging Face)
- Dépôt meituan-longcat/LongCat-Video (GitHub)
- Page du projet LongCat-Video-Avatar 1.6
- Rapport technique LongCat-Video-Avatar 1.6 (PDF)
- Rapport technique LongCat-Video (arXiv 2510.22200)
- Fiche du modèle LongCat-Video-Avatar-1.5 (Hugging Face)
- LongCat-Video-Avatar 1.6 sur ModelScope
- Paquet LongCat-Video-Avatar de Comfy-Org (Hugging Face)
- Conversion MLX bf16 communautaire pour Mac (Hugging Face)
Plus de guides sur les modèles vidéo sans censure
- Kandinsky S2V 1.0 Pro sans censure
- Kling sans censure
- Kling 2.6 sans censure
- Kling O1 sans censure
- Sora sans censure
- Veo sans censure
- Hailuo AI sans censure
- MiniMax H3 Max sans censure
- Wan sans censure
- Wan 3.0 sans censure
- Seedance sans censure
- Seedance 2.5 sans censure
- Seedance 2.0 sans censure
- Seedance 2.0 Mini sans censure
- HunyuanVideo sans censure
- LTX Video sans censure
- Runway sans censure
- Pika sans censure
- Luma Dream Machine sans censure
- Vidu sans censure
- PixVerse sans censure
- EdenLive sans censure
- UniAVC sans censure
- Grok Imagine sans censure
- AI Avatars sans censure
- HappyHorse 1.0 sans censure
- MiniMax H3 FL2VA Ref2VA sans censure
- Kling 4.0 sans censure
- Kling 3.0 sans censure
- MiniMax H3 RefMods sans censure
- Kandinsky 6.0 sans censure
- Looking Ahead sans censure
- TaoMate-H3 sans censure
- SANA-Video 2.0 sans censure
- MiniMax H3 Remix sans censure
- Sora 2 sans censure
- Wan 2.6 sans censure
- LTX-2.5 Slow Motion sans censure
- LTX-2.5 Cinemagraph sans censure
- VDN MiniMax H3 sans censure
- Hy-Nomas sans censure
- Seedance 1.5 Pro sans censure
- Pika H3 Flex sans censure
- Veo 3.1 sans censure
- MiniMax H3 x Z-Image sans censure
- Origami-H3 sans censure
- Wan 2.6 Flash sans censure
Spicy AI est un site indépendant, sans lien avec Meituan ni l'équipe LongCat. Tout contenu doit impliquer uniquement des adultes (18+) ; n'animez pas de personnes réelles sans leur consentement.