LongCat Video Avatar 1.6 ya se ejecuta en ComfyUI
El modelo de avatar por audio de Meituan ya funciona en ComfyUI: Comfy-Org reempaquetó los pesos, un paquete de nodos de la comunidad y soporte nativo en revisión.
Dos fotogramas de cada uno de los tres segmentos de 93 fotogramas. Cada segmento continúa a partir de los últimos 13 fotogramas del anterior.
Tres formas de acceder
| Ruta | Estado | Qué es |
|---|---|---|
| Pesos de Comfy-Org | Listos para descargar | DiT int8 oficial, ambos LoRA, el codificador Whisper y el VAE y el codificador de texto compartidos de Wan 2.1 |
| ComfyUI-LongCat-Avatar (comunidad) | Funciona hoy | Paquete de nodos nativo de Pedro (LatentSpacer), con nodos de vídeo destilados de 8 pasos y base de 50 pasos |
| Soporte nativo (CORE-720, Kijai) | PR 17831, abierto | Añade comfy/ldm/wan/model_longcat.py y el cableado del codificador de audio; aún no está fusionado |
El paquete de nodos se instala desde ComfyUI-Manager como LongCat Avatar Native, o con comfy node install longcat-avatar-native. Se probó en ComfyUI 0.44 y no necesita paquetes más allá de los propios de ComfyUI.
Qué descargar
Desde Comfy-Org/LongCat-Video-Avatar, las carpetas replican ComfyUI/models:
| Archivo | Carpeta | Tamaño |
|---|---|---|
longcat-avatar-1.6_int8_convrot.safetensors | diffusion_models | 14,9 GiB |
longcat-avatar-1.6_dmd_lora_rank128_bf16.safetensors | loras | 1,2 GiB |
longcat-avatar-1.6_opsd_lora_rank128_bf16.safetensors | loras | 1,2 GiB |
umt5_xxl_int8_convrot o umt5_xxl_fp16 | text_encoders | 5,3 o 10,6 GiB |
whisper_large_v3_encoder_fp16.safetensors | audio_encoders | 1,2 GiB |
wan_2.1_vae.safetensors | vae | 242 MiB |
El codificador de texto y el VAE son los archivos de Wan 2.1, así que una instalación de ComfyUI ya existente probablemente los tenga.
Velocidad en una sola 4090
El autor del port midió 5,1 s por paso continuado a 768×512 con int8 ConvRot y la atención ck de ComfyUI: un clip de 253 fotogramas (10,1 s de habla) en tres segmentos tardó unos 162 s. También publicó copias W6A8 y W4A8, de 12,3 y 8,8 GiB frente a 14,9 GiB para int8 y 29,5 GiB para bf16, y ambos LoRA se aplican a todas ellas.
Un clip del paquete de nodos: la boca sigue el habla a lo largo de los tres segmentos.
El nodo base de 50 pasos funciona con orientación de texto y audio y sin LoRA, y como cada paso ejecuta el modelo tres veces, es muchas veces más lento que la ruta destilada.
Disponibilidad
- Pesos para ComfyUI: Comfy-Org/LongCat-Video-Avatar
- Paquete de nodos: ComfyUI-LongCat-Avatar, espejo de pesos en PedroMarinhoDev/LongCat-Video-Avatar-1.6-ComfyUI
- Soporte nativo: Comfy-Org/ComfyUI PR 17831
- Modelo original: meituan-longcat/LongCat-Video-Avatar-1.6
Comentarios
Inicia sesión con GitHub para unirte a la conversación.