音频驱动说话头视频生成：上传参考图像+音频+文本提示，输出5秒唇形同步视频。基于美团LongCat-Video-Avatar 1.5，INT8量化DiT，DMD2蒸馏8步LoRA，ZeroGPU xlarge运行。

运行模型 meituan-longcat/LongCat-Video-Avatar-1.5

文本到图像生成模型，12B参数rectified flow transformer。由Black Forest Labs开发，权重开源，采用guidance蒸馏训练，非商业许可。

运行模型 black-forest-labs/FLUX.1-dev