本報(bào)訊 （記者李喬宇）4月21日，昆侖萬(wàn)維科技股份有限公司（以下簡(jiǎn)稱(chēng)“昆侖萬(wàn)維”）SkyReels團(tuán)隊(duì)正式發(fā)布并開(kāi)源SkyReels-V2——全球首個(gè)使用擴(kuò)散強(qiáng)迫（Diffusion-forcing）框架的無(wú)限時(shí)長(zhǎng)電影生成模型，其通過(guò)結(jié)合多模態(tài)大語(yǔ)言模型（MLLM）、多階段預(yù)訓(xùn)練（Multi-stage Pretraining）、強(qiáng)化學(xué)習(xí)（ReinforcementLearning）和擴(kuò)散強(qiáng)迫（Diffusion-forcing）框架實(shí)現(xiàn)協(xié)同優(yōu)化。

    SkyReels-V2不僅在技術(shù)上實(shí)現(xiàn)了突破，還提供了多種有用的應(yīng)用場(chǎng)景，包括故事生成、圖生視頻、運(yùn)鏡專(zhuān)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(yùn)動(dòng)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(shí)現(xiàn)了突破，還為多個(gè)實(shí)際應(yīng)用場(chǎng)景提供了強(qiáng)大的支持。第一，SkyReels-V2能夠生成理論上無(wú)限時(shí)長(zhǎng)的視頻，通過(guò)滑動(dòng)窗口方法，模型在生成新幀時(shí)會(huì)參考之前生成的幀和文本提示。這種方法不僅支持時(shí)間上的擴(kuò)展，還能生成具有連貫敘事的長(zhǎng)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(yùn)動(dòng)方面表現(xiàn)出色；第四，基于SkyReels-V2基座模型，昆侖萬(wàn)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(jué)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(shí)確保對(duì)每個(gè)元素的參考圖像的高保真度。這一功能適合短劇、音樂(lè)視頻和虛擬電商內(nèi)容創(chuàng)作等應(yīng)用。

    作為首個(gè)商業(yè)級(jí)E2V開(kāi)源模型，SkyReels-A2在E2V評(píng)估Benchmark A2-Bench中的結(jié)果表明，其一致性和質(zhì)量維度上評(píng)估與閉源模型相當(dāng)。未來(lái)，昆侖萬(wàn)維計(jì)劃擴(kuò)展框架以支持更多輸入模態(tài)，如音頻和動(dòng)作，旨在構(gòu)建一個(gè)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）