SkyReels-V1 – 昆仑万维开源首个面向AI短剧创作的视频生成模型-爱论文

SkyReels-V1是什么

SkyReels-V1是昆仑万维开源的首个面向AI短剧创作的视频生成模型。基于在千万级高质量影视数据上进行微调，实现影视级的人物微表情和肢体动作生成，支持33种细腻表情与400多种自然动作组合，高度还原真实情感表达。模型支持文生视频（Text-to-Video），图生视频（Image-to-Video），在开源视频生成模型中达到SOTA水平。SkyReels-V1基于自研推理框架SkyReels-Infer大幅提升推理效率，支持多GPU并行和低显存优化，在消费级显卡上高效生成高质量视频。

SkyReels-V1的主要功能

高质量的影视级视频生成：支持生成具有电影级光影效果、细腻人物表情和自然肢体动作的视频内容。每一帧画面在构图、演员站位和相机角度上都具备高质量的影视质感。表情和动作的精细控制：支持33种细腻的人物表情和400多种自然动作组合，支持生成大笑、怒吼、惊讶、哭泣等微表情。文生视频与图生视频：支持Text-to-Video（文生视频）和Image-to-Video（图生视频）两种生成方式。多场景支持：支持处理单人镜头和多人构图，支持复杂的场景和情感表达。

SkyReels-V1的技术原理

自研数据清洗与标注管线：使用高质量的影视数据（如好莱坞电影、电视剧等）进行训练，基于自研数据清洗和标注管线，对人物表情、动作、场景等进行精细化标注，提升模型对人类表演的理解能力。多阶段预训练与微调：阶段1：模型域适应预训练，将基础模型适配到人类中心视频领域。阶段2：将文本到视频模型转换为图像到视频模型，在相同数据集上进行预训练。阶段3：在高质量子集上进行微调，确保模型在复杂视频生成任务中的高性能。多模态理解与生成：结合人物表情、动作、场景和剧情的多模态理解，构建行为语义单元和人物空间位置感知技术，实现精准的人物表演生成。高效的推理优化：采用FP8量化、参数级卸载（offload）和优化的注意力机制（如SageAttn），大幅降低显存占用并提升推理速度。支持多GPU并行推理，基于分布式计算进一步提高生成效率。

SkyReels-V1的项目地址

GitHub仓库：https://github.com/SkyworkAI/SkyReels-V1HuggingFace模型库：https://huggingface.co/collections/Skywork/skyreels-v1

SkyReels-V1的应用场景

AI短剧与影视制作：低成本生成高质量短剧和影视特效，简化制作流程，提升效率。虚拟内容：创建虚拟主播、虚拟偶像等生动形象，提供自然的表情和动作。广告与营销：快速生成品牌广告视频，满足多样化营销需求。教育培训：制作生动的教学视频，辅助语言学习、历史重现和科学演示。社交媒体：生成个性化短视频，满足用户内容创作和分享需求。