4月21日，昆仑万维SkyReels团队讲求发布并开源SkyReels-V2——大家首个使用扩散免强（Diffusion-forcing）框架的无尽时长电影生成模子sewang，其通过谋划多模态大谈话模子（MLLM）、多阶段预老到（Multi-stage Pretraining）、强化学习（Reinforcement Learning）和扩散免强（Diffusion-forcing）框架来达成协同优化。
\n![](\"https://image2.cqcb.com/d/file/topics/activity/2025-04-22/syic/R4Qmbmgk-1745305597695_preview.jpeg\")
纪念当年一年，视频生成技艺在扩散模子和自回来框架的鼓吹下取得了显赫进展，但在教导词罢黜、视觉质料、绽放动态和视频时长的协作上仍靠近紧要挑战。
\n现存技艺在提高矫捷的视觉质料时频频捐躯绽放动态收尾，为了优先酌量高分手率而死心视频时长（常常为5-10秒），而且由于通用多模态大谈话模子（MLLM）无法解读电影语法（如镜头构图、演员情态和录像机绽放），导致镜头感知生成能力不及。这些互关联联的死心谢却了长视频的传神合成和专科电影格调的生成。
\n为了搞定这些痛点，SkyReels-V2应时而生，它不仅在技艺上达成了打破，还提供了多种灵验的应用场景，包括故事生成、图生视频、运镜巨匠和多主体一致性视频生成（SkyReels-A2）。
\nSkyReels-V2现已救援生成30秒、40秒的视频，且具备生成高绽放质料、高一致性、高保真视频的能力。
\n中枢技艺改进，迈入“无尽时长、影视级质料、精确戒指”的全新视频生成阶段
\n![](\"https://image2.cqcb.com/d/file/topics/activity/2025-04-22/syic/jnhDKQgU-1745305612749_preview.png\")
图丨SkyReels-V2措施空洞
\nSkyReels-V2粗略达到这么的视频生成收尾，源于其多项改进技艺：
\n1. 全面的影视级视频长入模子：SkyCaptioner-V1
\n为了提高教导词罢黜能力，团队瞎想了一种结构化的视频暗意措施，将多模态LLM的一般刻画与子巨匠模子的详备镜头谈话相谋划。这种措施粗略识别视频中的主体类型、外不雅、情态、动作和位置等信息，同期通过东说念主工标注和模子老到，进一步提高了对镜头谈话的长入能力。
\n同期，团队老到了一个同一的视频长入模子SkyCaptioner-V1，它粗略高效地长入视频数据，生成稳妥原始结构信息的万般化刻画。通过这种样子，SkyCaptioner-V1不仅粗略长入视频的一般内容，还能捕捉到电影场景中的专科镜头谈话，从而显赫提高了生成视频的教导词罢黜能力。此外，这个模子咫尺也曾开源，不错径直使用。
\n2. 针对绽放的偏好优化
\n现存的视频生成模子在绽放质料上进展欠安，主要原因是优化酌量未能充分酌量时序一致性和绽放合感性。通过强化学习（RL）老到，使用东说念主工标注和合成失真数据，搞定了动态诬告、分歧理等问题。为了缩小数据标注老本，瞎想了一个半自动数据网络管说念，粗略高效地生成偏好对比数据对。
\n通过这种样子，SkyReels-V2在绽放动态方面进展优异，粗略生成畅通且传神的视频内容，欢娱电影制作中对高质料绽放动态的需求。
\n3. 高效的扩散免强框架
\n为了达成长视频生成能力，淡薄了一种扩散免强（diffusion forcing）后老到措施。与从零脱手老到扩散免强模子不同，通过微调预老到的扩散模子，将其转机为扩散免强模子。这种措施不仅减少了老到老本，还显赫提高了生见遵守。
\n咱们领受非递减噪声时辰表，将理会帧的去噪时辰表搜索空间从O(1e48) 缩小到O(1e32)，从而达成了长视频的高效生成。
\n4. 渐进式分手率预老到与多阶段后老到优化
\n为了开拓一个专科的影视生成模子，多阶段质料保证框架整合了来自三个主要开端的数据：
\n通用数据集：整合了开源资源，包括Koala-36M、HumanVid，以及从互联网爬取的额外视频资源。这些数据提供了泛泛的基础视频素材，涵盖了多种场景和动作。
\n自网络媒体：包括280，000多部电影和800，000多集电视剧sewang，灭绝120多个国度（预计总时长特出620万小时）。这些数据为模子提供了丰富的电影格和解叙事结构。
\n艺术资源库：从互联网赢得的高质料视频金钱，确保生成内容的视觉质料达到专科程序。
\n原始数据集限度达到亿级（O(100M)），不同子集笔据质料要求在各个老到阶段使用。此外，咱们还网络了亿级的主张均衡图像数据，以加快早期老到中生成能力的诞生。在此数据基础上，咱们率先通过渐进式分手率预老到诞生基础视频生成模子，然后进行四阶段的后续老到增强：
\n运转主张均衡的监督微调（SFT）：通过主张均衡的数据集进行微调，为后续优化提供细致的运转机。
黄sei大片全集\n绽放特定的强化学习（RL）老到：通过偏好优化提高绽放动态质料。
\n扩散免强框架（DF）：达成长视频生成能力。
\n高质料SFT：进一步提高视觉保真度。
\n谋划富含影视级别数据和多阶段优化措施，咱们确保了SkyReels-V2在资源有限的情况下，高效的稳步提高多方面的进展，达到影视级视频生成的水准。
\n在SkyReels-Bench和V-Bench评估中，性能进展不凡
\n为了全面评估SkyReels-V2的性能，咱们构建了SkyReels-Bench用于东说念主类评估，并应用开源的V-Bench进行自动化评估。这种双重评估框架使咱们粗略系统地比拟SkyReels-V2和其他最先进的基线模子（包括开源和闭源模子）。
\n1. SkyReels-Bench评估
\nSkyReels-Bench包含1020个文本教导词，系统性地评估了四个要道维度：指示罢黜、绽放质料、一致性和视觉质料。该基准旨在评估文本到视频（T2V）和图像到视频（I2V）生成模子，提供跨不同生成范式的全面评估。
\n在SkyReels-Bench评估中，SkyReels-V2在指示罢黜方面取得了显赫进展，同期在保证绽放质料的同期不捐躯视频的一致性收尾。具体进展如下：
\n指示罢黜：SkyReels-V2在绽放指示、主体指示、空间关系、镜头类型、情态和录像机绽放的罢黜上均优于基线措施。
\n绽放质料：在绽放动态性、畅通性和物理合感性方面，SkyReels-V2进展出色，生成的绽放内容当然且万般。
\n一致性：主体和场景在所有这个词这个词视频中保执高度一致，绽放历程有较高的保真度。
\n视觉质料：生成视频在视觉涌现度、颜色准确性和结构齐备性上均达到高水平，无昭着诬告或损坏。
\n![](\"https://image2.cqcb.com/d/file/topics/activity/2025-04-22/syic/nVm2Y5c6-1745305668724_preview.png\")
图丨在SkyReels-Bench的T2V多维度东说念主工评测集下，SkyReels-V2在指示罢黜和一致性得到最高水准，同期在视频质料和绽放质料上保执第一梯队
\n2. VBench1.0收尾
\n在VBench1.0自动化评估中，SkyReels-V2在总分（83.9%）和质料分（84.7%）上均优于所有这个词对比模子，包括HunyuanVideo-13B和Wan2.1-14B。这一收尾进一步考证了SkyReels-V2在生成高保真、指示对王人的视频内容方面的高大能力。
\n![](\"https://image2.cqcb.com/d/file/topics/activity/2025-04-22/syic/eT2LMIvH-1745305690690_preview.png\")
图丨在V-bench1.0的长prompt版块下，SkyReels-V2超越了所有这个词的开源模子，包括HunyuanVideo-13B和Wan2.1-14B
\n丰富的应用场景，赋能创意达成
\nSkyReels-V2不仅在技艺上达成了打破，还为多个骨子应用场景提供了高大的救援：
\n1. 故事生成
\nSkyReels-V2粗略生成表面上无尽时长的视频，通过滑动窗口措施，模子在生成新帧时会参考之前生成的帧和文本教导。为了退却乌有积贮，咱们领受了矫捷化技艺，通过在之前生成的帧上添加幽微噪声来矫捷生成历程。这种措施不仅救援时辰上的膨胀，还能生成具有连贯叙事的长镜头视频。
\n通过一系列叙事文本教导，SkyReels-V2粗略编排一个连贯的视觉叙事，朝上多个动作场景，同期保执视觉一致性。这种能力确保了场景之间的平滑过渡，使得动态叙事愈加畅通，而不会影响视觉元素的齐备性。这一功能特殊稳妥需要复杂多动作序列的应用，如电影制作和告白创作。
\n2. 图像到视频合成
\nSkyReels-V2提供了两种图像到视频（I2V）的生成措施：
\n·微调全序列文本到视频（T2V）扩散模子（SkyReels-V2-I2V）：通过将输入图像行为条款注入T2V架构中，模子粗略应用参考帧进行后续生成。这种措施在384个GPU上仅需10，000次老到迭代即可取得和闭源模子同等第的收尾。
\n·扩散免强模子与帧条款谋划（SkyReels-V2-DF）：通过将第一帧行为干净的参考条款输入扩散框架，无需显式再行老到即可保执时辰一致性。
\n在SkyReels-Bench的I2V多维度东说念主工评测集下，SkyReels-V2在所有这个词质料维度上均优于其他开源模子，并与闭源模子进展格外。
\n![](\"https://image2.cqcb.com/d/file/topics/activity/2025-04-22/syic/MqPeF6kE-1745305732226_preview.png\")
3. 录像导演功能
\nSkyReels-V2在标注录像机绽放方面进展出色，但咱们发现录像机绽放数据的固有抗争衡对进一步优化影相参数淡薄了挑战。为此，咱们有利筛选了约100万个样本，确保基本录像机绽放出奇常见组合的均衡暗意。通过在384个GPU上进行3，000次迭代的微调践诺，咱们显赫提高了影相收尾，特殊是在录像机绽放的畅通性和万般性方面。
\n4. 元素到视频生成
\n基于SkyReels-V2基座模子，咱们研发了SkyReels-A2决议，并淡薄了一种新的多元素到视频（E2V）任务，粗略将纵情视觉元素（如东说念主物、物体和配景）组合成由文本教导团结的连贯视频，同期确保对每个元素的参考图像的高保真度。这一功能特殊稳妥短剧、音乐视频和假造电商内容创作等应用。
\n行为首个交易级E2V开源模子，SkyReels-A2在E2V评估Benchmark A2-Bench中的收尾标明，其一致性和质料维度上评估与闭源模子格外。异日，咱们规划膨胀框架以救援更多输入模态，如音频和动作，旨在构建一个同一的视频生成系统，以救援更泛泛的应用。
\nSkyReels-V2的推出象征着视频生成技艺迈入了一个新的阶段，为达成高质料、万古辰的电影格调视频生成提供了全新的搞定决议。它不仅为内容创作家提供了高大的器用，更开启了应用AI进行视频叙事和创意抒发的无尽可能。
\n昆仑万维SkyReels团队仍致力于于于鼓吹视频生成技艺的发展，并将SkyCaptioner-V1和SkyReels-V2系列模子（包括扩散免强、文本到视频、图像到视频、录像导演和元素到视频模子）的各式尺寸（1.3B、5B、14B）进行彻底开源，以促进学术界和工业界的进一步征询和应用。
\n原标题：SkyReels-V2开源：打破视频生成技艺鸿沟，开启无尽时长电影生成新期间
\n（资讯）
\n\n