本報訊 （記者李喬宇）4月21日，昆侖萬維科技股份有限公司（以下簡稱“昆侖萬維”）SkyReels團(tuán)隊正式發(fā)布并開源SkyReels-V2——全球首個使用擴(kuò)散強迫（Diffusion-forcing）框架的無限時長電影生成模型，其通過結(jié)合多模態(tài)大語言模型（MLLM）、多階段預(yù)訓(xùn)練（Multi-stage Pretraining）、強化學(xué)習(xí)（ReinforcementLearning）和擴(kuò)散強迫（Diffusion-forcing）框架實現(xiàn)協(xié)同優(yōu)化。

    SkyReels-V2不僅在技術(shù)上實現(xiàn)了突破，還提供了多種有用的應(yīng)用場景，包括故事生成、圖生視頻、運鏡專家和多主體一致性視頻生成（SkyReels-A2）。

    SkyReels-V2現(xiàn)已支持生成30秒、40秒的視頻，且具備生成高運動質(zhì)量、高一致性、高保真視頻的能力。

    SkyReels-V2不僅在技術(shù)上實現(xiàn)了突破，還為多個實際應(yīng)用場景提供了強大的支持。第一，SkyReels-V2能夠生成理論上無限時長的視頻，通過滑動窗口方法，模型在生成新幀時會參考之前生成的幀和文本提示。這種方法不僅支持時間上的擴(kuò)展，還能生成具有連貫敘事的長鏡頭視頻；第二，SkyReels-V2提供了兩種圖像到視頻（I2V）的生成方法；第三，SkyReels-V2在標(biāo)注攝像機(jī)運動方面表現(xiàn)出色；第四，基于SkyReels-V2基座模型，昆侖萬維研發(fā)了SkyReels-A2方案，并提出了一種新的多元素到視頻（E2V）任務(wù)，能夠?qū)⑷我庖曈X元素（如人物、物體和背景）組合成由文本提示引導(dǎo)的連貫視頻，同時確保對每個元素的參考圖像的高保真度。這一功能適合短劇、音樂視頻和虛擬電商內(nèi)容創(chuàng)作等應(yīng)用。

    作為首個商業(yè)級E2V開源模型，SkyReels-A2在E2V評估Benchmark A2-Bench中的結(jié)果表明，其一致性和質(zhì)量維度上評估與閉源模型相當(dāng)。未來，昆侖萬維計劃擴(kuò)展框架以支持更多輸入模態(tài)，如音頻和動作，旨在構(gòu)建一個統(tǒng)一的視頻生成系統(tǒng)，以支持更廣泛的應(yīng)用。

（編輯 張明富）