视频生成进入“全能”时代：昆仑万维SkyReels

视频生成进入“全能”时代：昆仑万维SkyReels-V3开源，涵盖参考图像到视频转换、视频增强、音频驱动虚拟图像三大主要功能_中国经济网-国民经济门户
视频一代已经进入一体时代。昆仑SkyReels-V3是开源的，涵盖参考图像到视频转换、视频增强和基于音频的虚拟图像三大功能。
2026-01-30 10:52
视频一代已经进入一体时代。昆仑SkyReels-V3是开源的，涵盖参考图像到视频转换、视频增强和基于音频的虚拟图像三大功能。
1月29日，Skywork AI正式推出自主研发的视频生成模型SkyReels-V3。该系列是一组多模式视频生成模型，支持三个关键功能：图像到参考视频转换、视频增强和音频控制化身。达到h通过单一建模架构生成高保真多模态视频，达到行业领先水平。三个主要功能作为独立的模块，每个模块都经过充分优化，支持灵活组合。 Skywork AI团队利用企业级数据处理、超快推理能力和高效训练架构，在制作的视频中实现专业级结果，许多指标达到或超过行业领先水平。 SkyReels-V3现已开源，我们期待与您合作，创造无限可能。 1.GitHub：https://github.com/SkyworkAI/SkyReels-V32。 API（限时免费）：https://www.apifree.ai/model/skywork-ai/skyreels-v3/standard/single-avatar1 图像视频参考：静态图像SkyReels-V3 可以基于一到四张参考图像并结合文本提示生成时间一致和语义一致的高质量视频序列。无论是角色、公关无论是产品展示还是背景场景，生成的视频都可以准确地保留其原始身份、空间构成和叙事连贯性。这是由 Skywork AI 团队在数据构建、多基准融合和混合训练策略方面的多项创新推动的。高质量的数据构建：团队检查大规模视频中具有显着动态运动的素材，并使用跨帧匹配策略来确保时间多样性。更重要的是，图像编辑模型用于提取主题区域、填充背景和重写语义，避免效果。从数据源上消除常见的“复制粘贴”伪影并确保生产质量。多个基线条件的融合：模型采用统一的策略对视觉和文本信息进行联合编码，最多支持。 4 参考图像。这意味着用户可以实现多主体、多元素和场景梳理的复杂自然交互无需复杂的图像拼接或手动遮罩。例如，在电商场景中，产品图像可以与虚拟主播图像结合，直接生成给定环境下的产品配送视频，准确保留产品细节和主播身份特征。混合训练策略：团队采用图像和视频混合训练，联合利用图像和视频大数据集，利用多分辨率联合优化，提高不同空间尺度和长宽比下的鲁棒性。在200人混合测试团队（涵盖影视、电商、广告等领域）的评测中，SkyReels-V3表现出了优异的表现。通过支持人物、动物、物体、背景场景等多种参考类型，SkyReels-V3的参考一致性指数达到0.6698，优于Vidu Q2（0.5961）、Kling 1.6（0.6630）、PixVerse V5（0.6542）等主流商业模型。在视觉质量指标方面，它以0.8119的分数领先业界，展示了其在保持基本功能的同时制作高保真视频的强大能力。图丨SkyReels-V3与业界SOTA模型在多主体参考视频上的量化指标比较 第二代增强视频：打破播放时间限制，扩展叙事边界 SkyReels-V3视频增强模型可以将输入视频片段增强为时间和语义一致的下游内容，在文本引导下保留运动动态、场景结构和视觉风格。未来有望应用于影视内容创作、短视频系列创作、游戏场景、长视频增强等。首先，它支持“双模式扩展”功能。传统的视频增强技术只是简单地扩展了时间维度，而SkyReels-V3的视频增强功能已经超越了时间维度。质的飞跃。基于视频语义和用户线索，智能预测下一个镜头和场景内容的合理延续，将“时间膨胀”的视频创作更新为“叙事膨胀”。该功能拥有两种专业模式，单镜头增强模式保持原有视角和叙事连贯性，提供镜头的流畅连续性。更创新的镜头转场扩展模式，支持切入、切入、多角度、正镜头/倒摄、切入等5种专业转场技巧。这意味着用户可以从SkyReels-V3 视频增强功能具有多种输出设置，包括短而简单的视频剪辑，并通过智能镜头将其扩展，以创建具有完整叙事结构的专业级视频内容。p/7支持20p分辨率，1:1、3:4、4:3、16:9、9:16等宽高比满足不同平台的发布需求。单镜头扩展支持 5 至 30 秒的可调持续时间，为用户提供最大的创作灵活性。从技术实现角度来看，SkyReels-V3采用创新的集成多段位置编码技术，对复杂视频序列的运动轨迹进行精确建模。通过分层混合训练策略，模型实现了不同镜头之间的平滑过渡，解决了传统视频增强中常见的“跳跃”和“中断”问题。该技术确保增强内容即使面对多代理交互、快速运动和剧烈的场景变化也能保持高度的物理可靠性和时间一致性。 3、会说话的头像模型：音视频同步开创“人”新时代SkyReels-V3头像模型可生成来自单个人像和音频片段的高质量同步音视频视频，并支持1分钟视频生成和多角色互动。其卓越的音视频同步能力和高品质的制作效果为虚拟演示、在线教育、企业传播等众多行业带来前所未有的创作可能。 SkyReels-V3虚拟形象模型具有四个主要功能，重新定义标准 SkyReels V3高保真视觉合成技术在视觉合成方面达到了新的高度。该模型不仅可以准确还原嘴唇动作，还可以捕捉面部表情的细微变化，使虚拟图像更具表现力和自然。无论是卡通、动物图像还是艺术风格，系统都可以保持原始特征的一致性，并针对不同的应用场景提供定制化的解决方案。广泛的风格兼容性 此功能的突出之处在于其出色的风格适应能力能力。 SkyReels从企业虚拟代言人到动画人物、教育评论家和创意内容主角，V3可以根据多种肖像输入生成相应风格的头像视频，满足从专业商业用途到个人创意表达的各种需求。长期稳定的视频生成能力：关键帧约束生成技术允许系统设置结构上重要的关键帧并生成关键帧之间的平滑过渡，确保在长期视频生成过程中始终保持高度的稳定性和一致性。这一进步使得高质量的教育视频、新闻广播和完整故事的制作成为可能，极大地扩展了阿凡达的应用范围。多角色场景支持 SkyReels V3 在多角色场景优化方面提供业界领先的技术。系统支持明确的角色分配和协调交互，允许您指定谁戴着面具说话，从而自然地表现对话和采访等复杂场景。这一功能为虚拟面试、多功能辅导等应用场景开辟了新的可能性。 SkyReels-V3虚拟形象模型的卓越性能得益于多项创新。精准的音视频对位技术，即使在噪音处理下，也能完美匹配声音和嘴型，速度快。即使在高速说话或使用不寻常的发音时也能保持高度同步。关键帧约束生成机制，智能识别关键面部表情和嘴型节点，保证生成效率的同时，保证长视频的内容一致性和视觉稳定性。图丨SkyReels-V3模型与当前传统视频生成模型在数字人生成场景下的量化指标结果对比 4 三合一功能彻底改变了视频生成创作，使 SkyReels-V3 完全开源。从2025年至今，昆仑万维已推出多款Sky产品，包括SkyReels V1、SkyReels V2、SkyReels A1、SkyReels A2、SkyReels A3。我们陆续推出并开放了Reels型号。迄今为止，SkyReels系列开源模型在HuggingFace上的下载量约为30万次，并拥有超过10,000个GitHub star。它们受到人工智能专业人士和开发人员的广泛关注和赞赏，包括开源社区、国家和国际人工智能机构和组织以及科学研究人员。昆仑万维始终坚持开源理念，积极采用AI开源，致力于推动AI技术的开放共享和社区建设。继昆仑万维“All in AGI and AIGC”的战略决策之后，SkyReels-V3现已完全开源。我们希望通过开源实现 AGI 平等，并帮助AI视频创作生态系统不断发展壮大。开发人员和用户可以从 SkyReels 下载开源模型。
（编辑：康博）
2740227
gVideo一代已经进入“一体”时代。昆仑SkyReels-V3是开源的，涵盖参考图像到视频转换、视频增强和基于音频的虚拟图像三大功能。
208925
财经新闻