SkyReels-V2 – 昆侖萬維開源的無限時長電影生成模型

SkyReels-V2是什么

SkyReels-V2是由昆侖萬維的SkyReels團隊研發的一款無限時長的電影生成模型。該模型采用了擴散（Diffusion-forcing）框架，并結合了多模態大語言模型（MLLM）、多階段預訓練以及強化學習等先進技術，能夠生成高質量且長度不受限制的視頻內容。SkyReels-V2有效解決了當前技術在提示詞遵循、視覺質量、動態和視頻時長協調等方面的諸多挑戰，支持多種應用場景，包括故事生成、圖像轉視頻合成、攝像導演功能以及多主體一致性視頻生成等。該模型及其相關代碼已開源，為創意內容制作和虛擬仿真領域提供了強大的支持工具。

SkyReels-V2的主要功能

• 無限時長視頻生成：該模型能夠生成理論上無限時長的視頻內容，打破了傳統視頻生成模型在時長上的限制。
• 故事生成：依據敘事文本提示，編排復雜的多動作序列，從而實現動態敘事效果。
• 圖像轉視頻合成：提供兩種轉換方法，包括微調全序列文本到視頻擴散模型（SkyReels-V2-I2V）和擴散模型結合幀條件（SkyReels-V2-DF），將靜態圖像轉變為連貫的視頻。
• 攝像導演功能：能夠生成流暢且多樣的攝像機效果，提升視頻的藝術表現力。
• 元素到視頻生成：可將任意視覺元素（如人物、物體和背景）結合成由文本提示引導的連貫視頻，適用于短劇、音樂視頻和虛擬電商內容創作等。

SkyReels-V2的技術原理

• 多模態大語言模型（MLLM）：利用多模態大語言模型生成視頻的初始描述，并結合子專家模型（如鏡頭類型、角度、位置、表情和攝像機等），提供更詳盡的鏡頭語言描述，從而顯著提升生成視頻的提示詞遵循能力。
• 多階段預訓練：
  • 漸進式分辨率預訓練：從低分辨率（256p）逐步提升至高分辨率（720p），增強模型的生成能力。
  • 多階段后訓練優化：包括初始概念平衡的監督微調（SFT）、特定的強化學習（RL）訓練、擴散框架（DF）訓練和高質量SFT，確保模型在多個方面達到最佳性能。
• 強化學習（Reinforcement Learning， RL）：通過強化學習優化質量，解決現有模型在動態性、流暢性和物理合理性方面的不足。采用半自動數據收集管道生成偏好對比數據對，訓練獎勵模型并進行直接偏好優化（DPO），提升表現。
• 擴散框架（Diffusion Forcing）：為每一幀分配的噪聲水平，從而實現視頻生成的無限擴展能力。通過非遞減噪聲時間表，將連續幀的去噪時間表搜索空間從_O_(1 e 48)降低至_O_(1 e 32)，顯著提升生成效率。
• 高效的數據處理與優化：整合通用數據集、自收集媒體和藝術資源庫，經過多階段過濾和標注，以確保訓練數據的質量。利用FP8量化、多GPU并行和模型蒸餾等技術，大幅減少推理時間和計算成本，提高模型的實用性。

SkyReels-V2的項目地址

• GitHub倉庫：https://github.com/SkyworkAI/SkyReels-V2
• HuggingFace模型庫：https://huggingface.co/collections/Skywork/skyreels-v2
• arXiv技術論文：https://arxiv.org/pdf/2504.13074

SkyReels-V2的應用場景

• 電影制作：生成無限時長的連貫視頻，適合復雜敘事和長鏡頭創作。
• 廣告創作：將靜態圖片轉化為動態視頻，提升廣告的吸引力與表現力。
• 視頻拍攝輔助：生成流暢的攝像機效果，幫助設計與實現復雜的拍攝鏡頭。
• 短劇與音樂視頻：快速生成高質量視頻，降低拍攝成本與時間。
• 虛擬現實與游戲開發：生成逼真的虛擬場景與角色動畫，提升用戶體驗與沉浸感。

常見問題

• SkyReels-V2是否可以用于商業用途？：是的，SkyReels-V2支持商業用途，但請遵循相關的開源許可協議。
• 生成視頻的質量如何？：SkyReels-V2能夠生成高質量的視頻內容，尤其在敘事和動態效果方面表現出色。
• 如何獲取SkyReels-V2的使用指南？：您可以訪問我們的GitHub倉庫，那里提供了詳細的使用說明和示例代碼。
• 是否有技術支持？：我們提供社區支持，您可以在GitHub上提問或反饋問題。