Avatares falantes de alta qualidade com o LongCat-Video-Avatar 1.5: custo na H100 vs. RTX PRO 4500

Status: Testado no RunPod. Renderizei com este template no RunPod em uma H100 SXM e uma RTX PRO 4500. Os tempos e custos deste guia vêm dessas execuções.

Estes são os avatares falantes de maior qualidade que renderizei até agora. O LongCat-Video-Avatar 1.5 é um modelo de pesos abertos da Meituan treinado especificamente com pessoas falando, não com vídeo genérico. Dê a ele um retrato e uma locução de qualquer duração, e ele devolve um vídeo com sincronização labial e o seu áudio original, inclusive com enquadramento de meio corpo e movimento das mãos.

A qualidade tem um preço: é um modelo pesado e renderiza devagar. Este guia cobre o template que montei para ele, como configurá-lo no RunPod, qual GPU escolher (a RAM do sistema importa tanto quanto a VRAM) e quanto um minuto pronto realmente custa.

Quanto custa

Estas são as minhas medições no RunPod em outubro de 2026, para um minuto de vídeo pronto:

Um minuto de vídeo dá cerca de 19 trechos. Um trecho de 3,2 segundos levou cerca de 3 minutos e 13 segundos na H100 e cerca de 8 minutos e 37 segundos na RTX PRO 4500 em 960 × 960.

A qualidade: BF16 vs. FP8, 960 vs. 640

O template traz duas versões do modelo. BF16 é o modelo de precisão total para GPUs de 80 GB, como a H100. FP8 é uma cópia menor para placas de 32–48 GB, como a RTX 5090 ou a RTX PRO 4500. Aqui estão lado a lado:

O tamanho da tela faz mais diferença. 960 × 960 fica visivelmente melhor que 640 × 640, e muito mais lento: se vale o custo extra, é você quem decide.

Duas formas de rodar

Tudo é gratuito no GitHub: os fluxos, os nós personalizados e o script de instalação.

• No RunPod: o template de um clique configura tudo. É o que o resto deste guia cobre.
• Localmente no ComfyUI: se você tiver o hardware, peça ao Claude (ou a qualquer IA) para baixar os arquivos do GitHub e instalá-los na ordem do setup.sh. O ComfyUI não tem nós nativos do LongCat; o modelo roda pelo ComfyUI-WanVideoWrapper do kijai, que o script instala em um commit fixo.

Se você nunca usou o RunPod, minha introdução ao RunPod cobre contas, armazenamento e pods.

Armazenamento: volume global ou volume de rede

O RunPod agora tem dois tipos de armazenamento persistente, e o template funciona com os dois. Para este, mudei para um volume global.

Para mim, o fator decisivo é a disponibilidade. Com um volume de rede você fica preso a um data center, e esse data center muitas vezes não tem GPUs livres. Um volume global pode ser anexado a uma GPU em qualquer lugar.

Também sai mais barato para mim, porque você só paga pelo que está realmente armazenado, cobrado por hora. Meu volume do LongCat tem 64,7 GB, o que dá US$ 5,82 por mês. Exclua-o quando quiser e a cobrança para.

Os volumes globais ainda estão em beta. Uma coisa da documentação do RunPod que vale saber: se o saldo da sua conta chegar a US$ 0, o volume global é sinalizado e excluído permanentemente depois de 15 dias.

Para configurar: abra o link do template, vá em Storage → New volume, escolha Global volume, crie-o, depois selecione-o e clique em Configure Pod with volume. A página de implantação ainda não diz «Global» em lugar nenhum, mas o volume está anexado.

Qual GPU: VRAM e RAM do sistema

O LongCat precisa de pelo menos 32 GB de VRAM com o modelo FP8 e de mais de 60 GB de RAM do sistema. A RAM é a armadilha.

Com apenas 30 GB de RAM, o modelo precisa ser recarregado a cada trecho. Isso deixa o render muito mais lento e pode travá-lo por completo.

Implantação e primeira inicialização

1. Implante o pod. Talvez você veja um aviso “Unsupported volume type” na página de implantação. Com este template, pode ignorá-lo sem problema.
2. Se aparecer que não há recursos, clique em Deploy de novo. Às vezes o RunPod precisa de uma segunda tentativa.
3. Espere os downloads. A primeira inicialização baixa cerca de 46 GB de modelos, uma única vez. O pod também gera a cópia FP8 do modelo a partir do arquivo BF16, então os modelos ocupam cerca de 63 GB no total. As inicializações seguintes os reutilizam.

4. Se tudo baixou, mas o ComfyUI não inicia, pare o pod e inicie-o de novo. Aconteceu comigo durante a gravação.
5. Abra o ComfyUI e o JupyterLab pelo menu Connect do pod. O JupyterLab pode continuar dizendo «initializing» quando já está pronto, então tente abri-lo.

Os fluxos

Abra o ComfyUI e depois a barra lateral Workflows. Há oito fluxos: BF16 ou FP8, 640 × 640 ou 960 × 960, e uma versão de locução única ou em lote de cada um.

• Single audio renderiza uma locução. Ele abre com um retrato de exemplo e uma locução de exemplo de cerca de um minuto, então você pode testar na hora.
• Batch audio renderiza todas as locuções em ComfyUI/input/batch_audio/, um vídeo para cada, uma após a outra, com o mesmo retrato.

Envie seus próprios retratos e locuções pelo JupyterLab: retratos para ComfyUI/input/ e locuções do lote para ComfyUI/input/batch_audio/.

O prompt é opcional. Para um avatar falante normal, deixe-o em branco. Você pode pedir algo específico, como “natural hand movement”.

Mantenha as mãos no retrato

O LongCat consegue mover as mãos muito bem. Mas, se as mãos não estiverem no seu retrato, o modelo precisa inventá-las quando entram no quadro, e nem sempre inventa as mesmas.

Se você quer movimento das mãos, use um retrato com as mãos visíveis, para que o modelo saiba que as mãos originais não tinham relógio. Ainda não é garantia, mas reduz o risco.

Como o LongCat evita o desvio em vídeos longos

Todo modelo de avatar renderiza em trechos: nenhum deles renderiza um minuto inteiro de uma vez. As janelas do LongCat têm 3,7 segundos, e é aí que ele se diferencia dos outros.

Com meus templates do LTX-2.5 e do MiniMax H3, cada trecho volta ao retrato original. O LongCat abre cada janela com os últimos 13 quadros da anterior, então o movimento é contínuo e não dá para ver as emendas. A sincronização labial também se mantém entre elas.

Só que a continuação tem seu próprio problema. Ela fica estável por cerca de 40–70 segundos; depois disso, o rosto começa a mudar e o ruído se acumula, piorando cada vez mais ao longo de um vídeo de 10 ou 20 minutos.

Por isso os fluxos forçam um reinício a partir do retrato original a cada 40–60 segundos. Os reinícios são planejados a partir da locução inteira antes de o render começar, e cada um cai no meio de uma pausa real (pelo menos 0,4 segundo de quase silêncio), então a boca está fechada dos dois lados do corte. Parece um pouco um corte rápido de volta para o retrato.

O plano é impresso no log e salvo como output/longcat_longform/<name>/restart_plan.txt.

Renderize

Enfileire o fluxo e acompanhe o console. Carregar o modelo leva alguns minutos toda vez, então o primeiro trecho é o lento. Depois disso são alguns minutos por trecho de 3 segundos, e é assim que um minuto de vídeo acaba levando cerca de uma hora.

Cada item da fila renderiza o próximo trecho inacabado. O README do template diz para definir o batch count em pelo menos a duração da locução em segundos ÷ 3,2, mais uma margem; os itens excedentes são pulados em milissegundos.

• Os trechos são salvos em output/longcat_longform/<voiceover name>/.
• Se o trabalho for interrompido, enfileire de novo e ele continua do último trecho pronto.
• Quando terminar, o vídeo completo é montado em ComfyUI/output/. Clique com o botão direito nele no JupyterLab para baixar.

A única configuração que vale mudar

Os fluxos têm muitas notas e funcionam como estão; não recomendo mudar muita coisa. A exceção é o espaçamento dos reinícios: restart_min_seconds e restart_max_seconds no nó Split (40 e 60 por padrão).

Com 60–80 segundos, o fluxo procura uma pausa nesse intervalo, então há menos cortes de volta para o retrato.

Quando terminar

Pare o pod quando o render terminar. Seus modelos, entradas e saídas ficam no volume. Quando o projeto terminar, exclua também o volume, ou ele continua cobrando.

Erros a evitar

• Escolher a GPU só pela VRAM. A RTX PRO 4500 comum tem 32 GB de VRAM, mas só 30 GB de RAM; escolha a versão SE ou uma 5090.
• Usar BF16 em uma placa de 32 GB. BF16 é para GPUs de 80 GB; use os fluxos FP8 em placas menores.
• Um retrato sem mãos quando você quer movimento das mãos.
• Ir direto para um trabalho longo. Confira no primeiro trecho a sincronização labial, o rosto e o fundo.
• Esquecer o volume. Um pod parado custa pouco; o armazenamento cobra todo mês.

Cadastre-se pelo meu link de indicação do RunPod e você recebe de US$ 5 a US$ 500 em créditos no RunPod. Sem um link de indicação, não há bônus. Eu recebo o mesmo bônus e uso em computação.

Anton Tenitsky é artista 3D com mais de 15 anos em computação gráfica, que trabalhou com Nickelodeon, Gameloft, Marvel Rivals e muitos outros clientes. Mais sobre mim