MaineCoon-22B 实时文生音视频模型发布

MaineCoon-22B 实时文生音视频模型发布

catnips_ai 发布 MaineCoon，一个 22B 参数的实时文本到音视频模型，采用双流 Diffusion Transformer 和强化在线策略蒸馏（ROPD）。模型在单张 H100 GPU 上达到 47.5 FPS，首帧生成低于 1 秒，音频-视频生成成本低于 $0.001/秒并持续下降。支持超 10 分钟连续流式生成，通过代理缓存管理和长上下文回滚保持一致性。