LongCat-Video-Avatar 1.5 由美团 LongCat 团队于 2026 年 5 月推出，是一款全新的开源音频驱动视频生成（AI2V）框架。用户仅需提供一张静态参考图和一段音频，即可生成口型精准同步的动态化身视频。该模型采用 Whisper 驱动的语音特征提取；步数蒸馏技术将 DiT 生成过程压缩至极速的 8 步，不仅保证高保真画面，还能生成长视频内容。其全领域泛化能力覆盖真实人像、2D/3D 动漫角色及动物化身，为多场景视频生成提供高效、可靠的解决方案。
目前，HyperAI超神经官网已上线了「LongCat-Video-Avatar 1.5 数字人模型」，快来试试吧~
在线使用：https://go.hyper.ai/NROTv
免费领取算力福利
为了便于大家体验 HyperAI 的稳定算力服务，我们准备了丰富的「算力礼包」，内含 NVIDIA RTX 5090、PRO 6000 等 GPU 资源。
扫码添加微信（微信号：Hyperai01），备注「礼包」即可兑换福利！数量有限，手慢无~
欢迎登录官网查看更多内容：
https://hyper.ai/
6 月 06 日- 6 月 12 日，hyper.ai 官网更新速览：
* 优质教程精选：3 个
* 优质公共数据集：6 个
* 热门百科词条：5 条
* 7 月截稿顶会：5 个
访问官网：hyper.ai
公共教程精选
1. LongCat-Video-Avatar 1.5 数字人模型
LongCat-Video-Avatar 1.5 由美团团队于 2026 年 5 月发布的，是一款全新升级的开源音频驱动视频生成（AI2V）框架。仅需一张静态参考图和一段驱动音频，即可生成高度逼真、口型完美同步的动态化身视频，且能够轻松应对复杂的真实世界场景以及动漫、动物等风格化领域。
在线运行：https://go.hyper.ai/NROTv
Demo 页面
2. dots.tts：全连续自回归文本转语音系统
dots.tts 由 rednote-hilab 于 2026 年 6 月发布，是一个 2B 参数的全连续、端到端自回归文本转语音系统。它的主干结构由语义编码器、LLM 和自回归 flow-matching 声学头组成，基于 48 kHz AudioVAE 直接建模连续音频表示，不使用离散语音 token。
在线运行：https://go.hyper.ai/YT3g3
Demo 页面
3. Gemma4 12B-it：图文音统一多模态模型
Gemma 4 12B-it 是 Google DeepMind 发布的 Gemma 4 系列统一多模态模型，采用 encoder-free 架构，将图像和音频直接投影到 LLM 的嵌入空间中，无需独立的编码器即可处理文本、图像和音频三种模态，在 12B 参数量级实现了强大的推理、编码和多模态理解能力。
在线运行：https://go.hyper.ai/0713z
Demo页面
💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD教程】，入群探讨各类技术问题、分享应用效果~
公共数据集精选
1. ChartNet 图表理解多模态数据集
ChartNet 是由 MIT 联合 IBM Research 等机构于 2026 年发布的大规模高质量多模态数据集，旨在解决现有模型在几何视觉模式、结构化数值与文本描述联合推理上的不足。该数据集包含 420 万合成图表样本、94,643 人工验证的图表样本和 3 万真实世界图表，覆盖 24 种图表类型与 6 种绘图库。
在线使用：https://go.hyper.ai/0CNr7
2. OpenSAL360 全景视频显著性数据集
OpenSAL360 是目前最大规模的全方位视频显著性数据集，旨在支持视觉注意力、显著性预测以及多模态视频分析的研究。该数据集包含 500 段来自 YouTube 的多样化全景视频，平均时长 18.1 秒，由超过 2,000 名观察者完成数据标注。
在线使用：https://go.hyper.ai/u7NqD
3. Movie Feelings 电影情感特征数据集
Movie Feelings 是一个电影情感特征数据集，旨在系统刻画电影所引发的细粒度情绪（feelings）特征，突破传统仅基于正负面情感或基础情绪分类的局限。该数据集包含 1,500 部具有代表性且具有文化影响力的电影，时间跨度为 1920 年至 2024 年，覆盖 50 种情感状态。
在线使用：https://go.hyper.ai/b4m71
4. FigureBench 科学插图生成基准数据集
FigureBench 是由西湖大学文本智能实验室于 2026 年发布的科学插图生成基准数据集，旨在解决从长篇幅科学文本中自动生成高质量科学插图的任务，为自动科学插图生成研究提供了具有挑战性且多样化的测试平台。
在线使用：https://go.hyper.ai/Agaku
5. AI Student Impact AI 辅助学习影响数据集
AI Student Impact Dataset 是涵盖多维度变量的大规模教育行为数据集，旨在系统分析生成式 AI 工具在高校学习场景中的真实影响。该数据集包含 50,000 名学生样本，共 16 个结构化特征字段，覆盖学生的学术背景、 AI 使用行为、学习行为、机构背景、心理健康状态、应用场景等数据。
在线使用：https://go.hyper.ai/zWoGM
6. Noisy Medical Document 含噪医疗文档图像数据集
Noisy Medical Document 是一个面向 OCR 与医疗文档理解任务的噪声增强医疗文档图像数据集，旨在模拟真实医疗场景中扫描文档所面临的复杂噪声干扰问题，提升 OCR 模型与文档理解模型在真实环境下的鲁棒性与泛化能力。该数据集包含 1,000 张高保真合成医疗文档图像，其中医院账单 500 张、出院小结 500 张。
在线使用：https://go.hyper.ai/kL7gc
热门百科词条精选
1. 世界动作模型 WAM
2. 可解释人工智能 XAI
3. 视觉语言动作模型 VLA
4. 基于规则的系统 Rule-Based System
5. 倒数排序融合 Reciprocal Rank Fusion
这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：
https://go.hyper.ai/wiki
7 月截稿顶会
7 月 01 日
12:00:00
VLDB 2027
7 月 09 日
23:59:59
POPL 2027
7 月 10 日
23:59:59
ICSE 2027
7 月 17 日
23:59:59
SIGMOD 2027
7 月 28 日
23:59:59
AAAI 2027
* 截稿时间为 AoE 时间
一站式追踪人工智能学术顶会：https://go.hyper.ai/event
以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！
下周再见！
关于 HyperAI超神经 (hyper.ai)
HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区，致力于成为国内数据科学领域的基础设施，为国内开发者提供丰富、优质的公共资源，截至目前已经：
* 为 2100+ 公开数据集提供国内加速下载节点
* 收录 700+ 经典及流行在线教程
* 解读 300+ AI4Science 论文案例
* 支持 700+ 相关词条查询
* 托管国内首个完整的 Apache TVM 中文文档
访问官网开启学习之旅：
https://hyper.ai/
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢