美团LongCat团队正式发布LongCat-Video视频生成模型。作为基于Diffusion Transformer（DiT）架构的多功能统一视频生成基座，LongCat-Video创新通过“条件帧数量”实现任务区分——文生视频无需条件帧、图生视频输入1帧参考图、视频续写依托多帧前序内容，原生支持三大核心任务且无需额外模型适配，形成“文生/图生/视频续写”完整任务闭环。文生视频方面，可生成720p、30fps高清视频，能精准解析文本中物体、人物、场景、风格等细节指令，语义理解与视觉呈现能力达开源SOTA级别。