LongCat Video : le guide complet en français
Le modèle dense de 13,6 milliards de paramètres de Meituan, l'installation locale vérifiée, la route ComfyUI, les paramètres du générateur et le coût réel d'un rendu en crédits
Qu'est-ce que LongCat Video ?
LongCat Video est un modèle de génération vidéo publié par Meituan le 25 octobre 2025. C'est un modèle dense de 13,6 milliards de paramètres qui réunit trois tâches habituellement séparées : texte-vers-vidéo, image-vers-vidéo et continuation vidéo. Le dépôt officiel documente le 720p à 30 images par seconde, une stratégie coarse-to-fine, une attention par blocs (Block Sparse Attention) et un entraînement par renforcement multi-récompense (multi-reward GRPO RLHF).
Deux précisions comptent en production : les poids sont publiés sous licence MIT, donc usage personnel et commercial autorisé, sans droits sur les marques ou brevets de Meituan ; et le modèle a été pré-entraîné nativement pour prolonger une vidéo existante, d'où, selon ses auteurs, des vidéos de plusieurs minutes sans dérive de couleur ni perte de qualité. C'est cette continuité qui le distingue d'un générateur de clips de quelques secondes.
Meituan publie aussi une famille distincte pour les avatars parlants : LongCat-Video-Avatar (16 décembre 2025, encodeur audio wav2vec2), puis Avatar-1.5 (21 mai 2026), qui passe à Whisper-Large-v3 pour une synchronisation labiale plus fiable, accepte un ou plusieurs flux audio, se règle en 480P ou 720P et ajoute la quantification INT8 du DiT avec une distillation ramenant l'inférence à 8 étapes. C'est un modèle audio, distinct du générateur par navigateur décrit plus bas.
Trois façons de lancer LongCat Video
1. Le générateur dans le navigateur
La voie la plus rapide : ouvrez le générateur image-vers-vidéo, envoyez une image de départ et décrivez le mouvement souhaité. Vous y réglez la résolution (480p ou 720p), la variante du modèle (standard ou Distilled), les frames, les fps, les étapes d'inférence et la guidance. Le coût en crédits s'affiche avant l'envoi. Aucune installation requise, mais pas d'entrée audio : c'est un outil image plus prompt de mouvement.
2. L'installation locale officielle
Pour garder le contrôle total, passez par le dépôt officiel. La procédure documentée en amont est la suivante :
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_compileCette commande PyTorch est l'exemple de l'amont pour CUDA 12.4 : choisissez le build adapté à votre CUDA. Le dépôt fournit aussi run_demo_image_to_video.py, run_demo_video_continuation.py, run_demo_long_video.py et run_demo_interactive_video.py, et accepte --nproc_per_node=2 --context_parallel_size=2 en multi-GPU. L'amont ne publie ni minimum universel de VRAM, de RAM ou de disque, ni vitesse par carte : consultez la fiche du modèle sur Hugging Face pour la taille exacte du checkpoint.
3. La route ComfyUI communautaire
ComfyUI reste la façon la plus souple de piloter le modèle nœud par nœud. Point souvent mal rapporté : l'organisation meituan-longcat ne publie aucun dépôt ComfyUI, et il n'existe pas de nœud officiel signé Meituan. Les poids au format Comfy sont publiés par Kijai dans LongCat-Video_comfy et les nœuds LongCat arrivent avec l'extension ComfyUI-WanVideoWrapper. Installez d'abord ComfyUI, ajoutez l'extension dans custom_nodes, puis chargez un workflow : notre tutoriel avatar ComfyUI et notre tutoriel PainterLongVideo montrent des graphes complets.
Les paramètres qui comptent vraiment
| Paramètre | Plage | Ce que ça change |
|---|---|---|
| Résolution | 480p / 720p | 480p pour tester vite, 720p pour une version finale |
| Frames | 17 à 961 | la durée du plan, à fps constant |
| FPS | 1 à 60 | la fluidité ; 720p se cale sur 30 fps, 480p sur 15 fps |
| Étapes d'inférence | 8 à 50 (défaut 40) | plus d'étapes, plus de détail et plus de temps |
| Guidance | 1 à 10 (défaut 4) | plus haut, plus proche du prompt, au risque de rigidifier |
Par défaut, un clip court fait 162 frames, soit environ 10,8 secondes à 15 fps ou 5,4 secondes à 30 fps. Pour viser la minute, augmentez les frames et baissez les fps : 900 frames à 15 fps donnent environ 60 secondes, 961 à 15 fps environ 64 secondes, 961 à 30 fps environ 32 secondes. Le coût ne suit pas la durée mais la variante et la résolution : une longue séquence en 720p standard se facture comme une courte.
Écrire un bon prompt
Un prompt efficace décrit cinq choses : le sujet et son action, l'environnement, la caméra, la lumière, puis le style. L'action et la caméra font la différence entre un plan plat et un plan lisible.
❌ Prompt faible :
une voiture qui roule sur une route✅ Prompt fort :
Une élégante voiture de sport rouge roulant sur une route côtière sinueuse
au coucher du soleil. La caméra suit à côté du véhicule et capte les reflets
du soleil doré sur sa carrosserie polie. Le plan passe des détails des roues
à une large vue aérienne révélant le littoral en contrebas. Lumière
cinématographique, photoréaliste.Le vocabulaire de mouvement aide beaucoup, car le modèle prolonge volontiers ce qu'il a déjà produit :
| Catégorie | Mots utiles |
|---|---|
| Verbes | flottant, accélérant, se dissolvant, émergeant, tournoyant, se transformant |
| Adverbes | doucement, progressivement, rapidement, rythmiquement, dramatiquement |
| Transitions | se transformant en, se fondant vers, reculant pour révéler, coupant vers |
| Caméra | panoramique, inclinaison, dolly, grue, travelling, vue aérienne |
Ce que coûte un rendu
Un compte neuf reçoit 150 crédits offerts, valables 30 jours, de quoi produire une vidéo Distilled 480p. Une vidéo coûte ensuite 150 crédits en Distilled 480p, 200 en 480p standard, 250 en Distilled 720p et 300 en 720p standard ; une image coûte 80 crédits et une piste musicale 100 crédits. Subtilité utile : une demande Distilled au-delà de 81 frames bascule automatiquement vers le modèle standard, les exécutions Distilled étant plafonnées à 81 frames ici.
| Formule | Prix | Crédits | Validité |
|---|---|---|---|
| Mensuel Try | 4,9 $/mois | 1 000 | 1 mois |
| Mensuel Pro | 49 $/mois | 8 000 | 1 mois |
| Mensuel Max | 149 $/mois | 30 000 | 1 mois |
| À l'unité Try | 9,9 $ | 500 | à vie |
| À l'unité Pro | 89 $ | 5 000 | à vie |
| À l'unité Max | 389 $ | 50 000 | à vie |
| Annuel Try | 5,75 $/mois | 15 000 | 1 an |
| Annuel Pro | 29 $/mois | 96 000 | 1 an |
| Annuel Max | 83,25 $/mois | 360 000 | 1 an |
Ni quota gratuit quotidien ni formule illimitée : les 150 crédits d'inscription sont uniques, ensuite vous achetez des crédits. Un barème unique s'applique à tous les modèles, et les crédits annuels sont versés d'un coup. Détail et remboursement sur la page Tarifs.
Limites honnêtes
L'amont ne publie aucune exigence matérielle universelle : ni VRAM minimale, ni RAM, ni disque, ni vitesse par GPU. Un tel chiffre trouvé ailleurs est une estimation.
La continuation reste une prédiction : le pré-entraînement natif réduit la dérive sans garantir une couture invisible. Inspectez la jonction entre deux segments avant de livrer.
La variante Distilled est plafonnée à 81 frames ici, toute demande au-delà basculant vers le modèle standard, plus cher.
Le générateur hébergé ne prend pas d'audio et ne produit pas d'avatar parlant : pour un humanoïde piloté par la voix, il faut l'installation locale d'Avatar-1.5 décrite sur la page LongCat Video Avatar.
Nous ne publions pas de tableau comparatif des autres plateformes : leurs tarifs et limites actuels ne sont pas vérifiables, et une table périmée est pire qu'aucune. Le seul chiffre de qualité citable vient des auteurs du modèle, sur leur banc d'essai MOS en texte-vers-vidéo : LongCat-Video 3,38 de qualité globale, contre Veo3 3,48, PixVerse-V5 3,36 et Wan 2.2-T2V-A14B 3,35 — une auto-évaluation de l'équipe Meituan, pas un classement indépendant.
Questions fréquentes
LongCat Video est-il vraiment gratuit ?
Le modèle, oui : les poids sont sous licence MIT, donc exécutables sans licence, y compris commercialement. Le générateur hébergé ici, lui, n'est pas gratuit à l'usage : 150 crédits offerts une fois à l'inscription, valables 30 jours, puis des packs payants. Pas de quota quotidien gratuit, pas de plan illimité.
Puis-je l'exécuter sur ma propre machine ?
Oui, avec la procédure ci-dessus : un GPU NVIDIA, Python 3.10 via conda et un build PyTorch aligné sur votre CUDA. L'amont ne publiant aucun minimum de VRAM, de RAM ou de disque, vérifiez la taille du checkpoint sur la fiche Hugging Face.
Quel checkpoint dois-je télécharger ?
Pour l'inférence locale, meituan-longcat/LongCat-Video. Pour ComfyUI, les poids au format Comfy de Kijai. Les avatars audio ont leurs propres dépôts, dont meituan-longcat/LongCat-Video-Avatar-1.5.
Le navigateur fait-il des avatars parlants ?
Non : il prend une image et un prompt de mouvement, sans entrée audio, donc pas de tête parlante synchronisée. L'avatar audio demande l'installation locale décrite sur la page LongCat Video Avatar.
Combien coûte une vidéo ?
150 crédits en Distilled 480p, 200 en 480p standard, 250 en Distilled 720p, 300 en 720p standard. Une image coûte 80 crédits, une piste musicale 100 crédits.
Faut-il ComfyUI pour utiliser LongCat Video ?
Non, c'est une option parmi trois : le navigateur pour tester vite, l'installation officielle pour le contrôle complet, ComfyUI pour enchaîner des nœuds.
Conclusion
LongCat Video est intéressant pour une raison précise : un seul modèle dense de 13,6 milliards de paramètres couvre texte-vers-vidéo, image-vers-vidéo et continuation sous licence MIT, avec des poids que vous exécutez vous-même. La qualité d'un plan et la propreté d'une couture se jugent sur vos images.
Pour aller plus loin, lisez notre guide LongCat Video complet, ouvrez le générateur image-vers-vidéo et comparez les formules sur la page Tarifs.
Dernière mise à jour : 25 janvier 2026