LongCat Video: la guida completa in italiano
Il modello denso da 13,6 miliardi di parametri di Meituan, l'installazione locale verificata, il percorso ComfyUI, i parametri del generatore e il costo reale di una generazione in crediti
Che cos'è LongCat Video?
LongCat Video è un modello di generazione video pubblicato da Meituan il 25 ottobre 2025. È un modello denso da 13,6 miliardi di parametri che riunisce tre attività di solito separate: testo-a-video, immagine-a-video e continuazione video. Il repository ufficiale documenta il 720p a 30 fotogrammi al secondo, una strategia coarse-to-fine, una Block Sparse Attention e un addestramento con reinforcement learning multi-ricompensa (multi-reward GRPO RLHF).
Due precisazioni contano in produzione: i pesi sono distribuiti con licenza MIT, quindi uso personale e commerciale consentito, senza diritti su marchi o brevetti di Meituan; e il modello è stato pre-addestrato nativamente per prolungare un video esistente, da cui, secondo gli autori, video di più minuti senza deriva cromatica né degrado della qualità. È questa continuità a distinguerlo da un generatore di clip di pochi secondi.
Meituan pubblica anche una famiglia separata per gli avatar parlanti: LongCat-Video-Avatar (16 dicembre 2025, encoder audio wav2vec2), poi Avatar-1.5 (21 maggio 2026), che passa a Whisper-Large-v3 per un lip sync più preciso, accetta uno o più flussi audio, si imposta in 480P o 720P e aggiunge la quantizzazione INT8 del DiT con una distillazione che porta l'inferenza a 8 step. È un modello audio, diverso dal generatore da browser descritto più sotto.
Tre modi per usare LongCat Video
1. Il generatore nel browser
La via più rapida: aprite il generatore immagine-a-video, caricate un'immagine di partenza e descrivete il movimento desiderato. Qui regolate la risoluzione (480p o 720p), la variante del modello (standard o Distilled), i frame, gli fps, gli step di inferenza e la guidance. Il costo in crediti appare prima dell'invio. Nessuna installazione richiesta, ma nessun ingresso audio: è uno strumento "immagine più prompt di movimento".
2. L'installazione locale ufficiale
Per il controllo completo passate dal repository ufficiale. La procedura documentata a monte è questa:
git clone --single-branch --branch main https://github.com/meituan-longcat/LongCat-Video
cd LongCat-Video
conda create -n longcat-video python=3.10
conda activate longcat-video
pip install torch==2.6.0+cu124 torchvision==0.21.0+cu124 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu124
pip install ninja psutil packaging
pip install flash_attn==2.7.4.post1
pip install -r requirements.txt
pip install "huggingface_hub[cli]"
huggingface-cli download meituan-longcat/LongCat-Video --local-dir ./weights/LongCat-Video
torchrun run_demo_text_to_video.py --checkpoint_dir=./weights/LongCat-Video --enable_compileIl comando PyTorch sopra è l'esempio di monte per CUDA 12.4: scegliete la build adatta al vostro CUDA. Il repository fornisce anche run_demo_image_to_video.py, run_demo_video_continuation.py, run_demo_long_video.py e run_demo_interactive_video.py, e accetta --nproc_per_node=2 --context_parallel_size=2 in multi-GPU. A monte non esiste alcun requisito universale pubblicato di VRAM, RAM o disco, né una velocità per GPU: controllate la model card su Hugging Face per la dimensione esatta del checkpoint.
3. Il percorso ComfyUI della community
ComfyUI resta il modo più flessibile per pilotare il modello nodo per nodo. Punto spesso riportato male: meituan-longcat non pubblica alcun repository ComfyUI e non esiste un nodo ufficiale firmato Meituan. I pesi in formato Comfy sono pubblicati da Kijai in LongCat-Video_comfy e i nodi LongCat arrivano con l'estensione ComfyUI-WanVideoWrapper. Installate prima ComfyUI, aggiungete l'estensione in custom_nodes, poi caricate un workflow: il nostro tutorial avatar ComfyUI e il tutorial PainterLongVideo mostrano grafi completi.
I parametri che contano davvero
| Parametro | Intervallo | Che cosa cambia |
|---|---|---|
| Risoluzione | 480p / 720p | 480p per provare in fretta, 720p per la versione finale |
| Frame | da 17 a 961 | la durata del piano, a fps costanti |
| FPS | da 1 a 60 | la fluidità; 720p si regola su 30 fps, 480p su 15 fps |
| Step di inferenza | da 8 a 50 (default 40) | più step, più dettaglio e più tempo |
| Guidance | da 1 a 10 (default 4) | più alto, più aderenza al prompt, a rischio di rigidità |
Con le impostazioni predefinite una clip breve è di 162 frame, cioè circa 10,8 secondi a 15 fps oppure 5,4 secondi a 30 fps. Per puntare al minuto aumentate i frame e abbassate gli fps: 900 frame a 15 fps danno circa 60 secondi, 961 a 15 fps circa 64 secondi, 961 a 30 fps circa 32 secondi. Il costo non segue la durata ma la variante del modello e la risoluzione: una sequenza lunga in 720p standard costa come una corta.
Scrivere un buon prompt
Un prompt efficace descrive cinque cose: soggetto e azione, ambiente, camera, luce, poi stile o vincolo tecnico. Azione e camera fanno la differenza tra un piano piatto e un piano leggibile.
❌ Prompt debole:
un'auto che guida sulla strada✅ Prompt forte:
Un'elegante auto sportiva rossa che percorre una strada costiera tortuosa
al tramonto. La camera segue il veicolo di fianco e cattura i riflessi del
sole dorato sulla carrozzeria lucida. Il piano passa dai dettagli delle ruote
a un'ampia ripresa aerea che rivela la costa sottostante. Luce
cinematografica, fotorealistico.Il vocabolario del movimento aiuta molto, perché il modello tende a prolungare ciò che ha già prodotto:
| Categoria | Parole utili |
|---|---|
| Verbi | fluttuando, accelerando, dissolvendosi, emergendo, ruotando, trasformandosi |
| Avverbi | dolcemente, gradualmente, rapidamente, ritmicamente, drammaticamente |
| Transizioni | trasformandosi in, dissolvendosi verso, allontanandosi per rivelare, tagliando a |
| Camera | panoramica, inclinazione, dolly, gru, travelling, vista aerea |
Quanto costa una generazione
Un account nuovo riceve 150 crediti in regalo, validi 30 giorni, sufficienti per un video Distilled 480p. Un video costa poi 150 crediti in Distilled 480p, 200 in 480p standard, 250 in Distilled 720p e 300 in 720p standard; un'immagine costa 80 crediti e una traccia musicale 100 crediti. Dettaglio utile: una richiesta Distilled oltre 81 frame passa automaticamente al modello standard, perché le esecuzioni Distilled sono limitate a 81 frame su questo sito.
| Formula | Prezzo | Crediti | Validità |
|---|---|---|---|
| Mensile Try | 4,9 $/mese | 1.000 | 1 mese |
| Mensile Pro | 49 $/mese | 8.000 | 1 mese |
| Mensile Max | 149 $/mese | 30.000 | 1 mese |
| Una tantum Try | 9,9 $ | 500 | per sempre |
| Una tantum Pro | 89 $ | 5.000 | per sempre |
| Una tantum Max | 389 $ | 50.000 | per sempre |
| Annuale Try | 5,75 $/mese | 15.000 | 1 anno |
| Annuale Pro | 29 $/mese | 96.000 | 1 anno |
| Annuale Max | 83,25 $/mese | 360.000 | 1 anno |
Nessuna quota gratuita giornaliera e nessun piano illimitato: i 150 crediti di registrazione sono una tantum, poi si acquistano i crediti. Il listino è unico per tutti i modelli, il costo esatto appare prima dell'invio e i crediti annuali vengono accreditati subito. Dettagli e rimborsi sulla pagina Prezzi.
Limiti dichiarati
A monte non esiste alcun requisito hardware universale: né VRAM minima, né RAM, né disco, né velocità per GPU. Una cifra del genere trovata altrove è una stima, non una specifica.
La continuazione resta una previsione: il pre-addestramento nativo riduce la deriva, non garantisce una giunzione invisibile. Ispezionate la cucitura tra due segmenti prima di consegnare.
La variante Distilled è limitata a 81 frame qui, e ogni richiesta oltre soglia passa al modello standard, quindi più costoso.
Il generatore ospitato non accetta audio e non produce avatar parlanti: per un umano digitale guidato dalla voce serve l'installazione locale di Avatar-1.5 descritta sulla pagina LongCat Video Avatar.
Non pubblichiamo tabelle comparative con le altre piattaforme video: i loro prezzi e limiti attuali non sono verificabili, e una tabella scaduta è peggio di nessuna. L'unico numero di qualità citabile viene dagli autori del modello, dal loro benchmark MOS in testo-a-video: LongCat-Video 3,38 di qualità complessiva, contro Veo3 3,48, PixVerse-V5 3,36 e Wan 2.2-T2V-A14B 3,35 — un'autovalutazione del team Meituan, non una classifica indipendente.
Domande frequenti
LongCat Video è davvero gratuito?
Il modello sì: i pesi sono con licenza MIT, quindi eseguibili senza licenza, anche commercialmente. Il generatore ospitato qui, invece, non è gratuito all'uso: 150 crediti in regalo una volta alla registrazione, validi 30 giorni, poi pacchetti a pagamento. Niente quota giornaliera gratuita, niente piano illimitato.
Posso eseguirlo sulla mia macchina?
Sì, con la procedura sopra: una GPU NVIDIA, Python 3.10 via conda e una build PyTorch allineata al vostro CUDA. Poiché a monte non esistono minimi pubblicati di VRAM, RAM o disco, controllate la dimensione del checkpoint sulla model card.
Quale checkpoint devo scaricare?
Per l'inferenza locale meituan-longcat/LongCat-Video. Per ComfyUI i pesi in formato Comfy di Kijai. Gli avatar audio hanno repository propri, tra cui meituan-longcat/LongCat-Video-Avatar-1.5.
Il generatore da browser fa avatar parlanti?
No: prende un'immagine e un prompt di movimento, senza ingresso audio, quindi nessuna testa parlante sincronizzata. L'avatar audio richiede l'installazione locale descritta sulla pagina LongCat Video Avatar.
Quanto costa un video?
150 crediti in Distilled 480p, 200 in 480p standard, 250 in Distilled 720p, 300 in 720p standard. Un'immagine costa 80 crediti, una traccia musicale 100 crediti, e il costo esatto viene confermato prima dell'invio.
Serve ComfyUI per usare LongCat Video?
No, è una delle tre opzioni: il browser per provare in fretta, l'installazione ufficiale per il controllo completo, ComfyUI per concatenare nodi.
Conclusione
LongCat Video è interessante per un motivo preciso: un solo modello denso da 13,6 miliardi di parametri copre testo-a-video, immagine-a-video e continuazione con licenza MIT, con pesi che eseguite voi stessi. Qualità di un piano e pulizia di una giunzione si giudicano sulle vostre immagini.
Per approfondire leggete la nostra guida completa a LongCat Video, aprite il generatore immagine-a-video e confrontate le formule sulla pagina Prezzi.
Ultimo aggiornamento: 25 gennaio 2026