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