昆仑万维开源中国首个面向AI短剧创作的视频生成模型SkyReels-V1,重塑AI短剧行业格局
2025-02-18 15:13:46爱云资讯3798
2月18日,昆仑万维开源中国首个面向AI短剧创作的视频生成模型SkyReels-V1、中国首个SOTA级别基于视频基座模型的表情动作可控算法SkyReels-A1。
开源地址:
1、SkyReels-V1:https://github.com/SkyworkAI/SkyReels-V1
2、SkyReels-A1:https://github.com/SkyworkAI/SkyReels-A1
3、技术报告:https://skyworkai.github.io/skyreels-a1.github.io/report.pdf
4、SkyReels官方地址:skyreels.ai
1. SkyReels-V1:Human-Centric Video Foundation Model,中国首个面向AI短剧创作的开源视频生成模型
SkyReels-V1可实现影视级人物微表情表演生成,支持33种细腻人物表情与400+种自然动作组合,高度还原真人情感表达。正如以下视频所示,SkyReels-V1支持生成大笑、怒吼、惊讶、哭泣等微表情,展现出人物情感丰沛的表演细节。即使有大幅度肢体动作,SkyReels-V1生成的微表情也完美贴合人物肢体表演。
同时,SkyReels-V1为AI视频生成带来了电影级光影美学,基于好莱坞级的高质量影视数据训练,当前SkyReels生成的每一帧画面,在构图、演员站位、相机角度等都具备电影级的质感。无论是单人镜头表演细节,还是多人构图,当前已具备精准的表情控制和高质感画面。
更重要的是,SkyReels-V1不仅支持文生视频、还能支持图生视频,是开源视频生成模型中参数最大的支持图生视频的模型,在同等分辨率下各项指标实现开源SOTA。
图1丨SkyReels-V1文生视频指标对比(来源:昆仑万维SkyReels)
能够实现这样的SOTA级别,不仅依赖于昆仑万维SkyReels团队基于自研的高质量数据清洗和人工标注管线,构建了千万级的高质量电影&电视剧&纪录片数据。更依托团队自研「Human-Centric」的视频理解多模态大模型,大幅提升视频中人物相关的理解能力,尤其是自研人物智能解析系统。
综上所述,得益于扎实的数据工作和先进的人物智能解析系统,SkyReels-V1可以实现:
影视化表情识别体系:11种针对影视戏剧中的人物表情理解,如不屑、不耐烦、无助、厌恶等表情的理解;
人物空间位置感知:基于人体三维重建技术,实现对视频中多人的空间相对关系理解,助力模型生成影视级人物站位;
行为意图理解:构建超过400种行为语义单元,实现对人物行为的精准理解;
表演场景理解:实现人物-服装-场景-剧情的关联分析。
SkyReels-V1不仅是全球极少数开源的视频生成模型,还是围绕人物表演、开源视频生成模型中性能最强的。
在自研推理优化框架「SkyReels-Infer」的加持下,大幅提升推理效率,实现544p分辨率,推理基于单台4090只需80s,还支持分布式多卡并行,支持Context Parallel,CFG Parallel,和 VAE Parallel。此外,采取fp8 quantization以及parameter-level offload,满足低显存用户级显卡运行需求;支持flash attention、SageAttention,模型编译优化等,进一步优化延迟;基于开源diffuser库,提升易用性。
正如下图2所示,在同等RTX4090资源情况下对比(4卡),SkyReels-Infer版本比HunyuanVideo官方版本端到端延迟减少58.3%(293.3s vs 464.3s);SkyReels-Infer版本具备更鲁棒的部署策略,支持用户级别显卡1卡-8卡的推理部署。
图2丨推理生成544p视频,使用相同卡数的RTX 4090,SkyReels-Infer版本端到端延迟优于HunyuanVideo官方(xdit) 58.3%
在同等A800资源情况下对比,SkyReels-Infer版本比HunyuanVideo官方版本端到端延迟减少14.7%~28.2%(如图3所示),SkyReels-Infer版本具备更鲁棒的多卡部署策略。
图3丨推理生成544p视频,SkyReels-Infer版本具备更鲁棒的多卡部署策略,支持8卡部署
2.SkyReels-A1:首个SOTA级别的基于视频基座模型的表情动作可控算法
为了实现更加精准可控的人物视频生成,昆仑万维还开源了SOTA级别的基于视频基座模型的表情动作可控算法SkyReels-A1,对标Runway的Act-One,SkyReels-A1支持视频驱动的电影级表情捕捉,实现高保真微表情还原。能够基于任意人体比例(包括肖像、半身及全身构图)生成高度逼真的人物动态视频,其真实感源自对人物表情变化和情绪的精准模拟、皮肤肌理、身体动作跟随等多维度细节的深度还原。
SkyReels-A1不仅支持侧脸的表情控制生成、还能实现更加逼真的眉眼微表情生成和更大幅度的头部与自然身体动作。SkyReels-A1能够实现更大幅度的人物表情驱动。相比Runway的Act-One,SkyReels-A1可以迁移更复杂的表情动作,生成的人物面部神情可以配合肢体及画面内容实现更栩栩如生的表演。
3.以开源之姿,以破局之势,昆仑万维致力于推动全球AI短剧创作生态繁荣发展
昆仑万维一直坚持开源,推动技术平权。昆仑万维同时将SOTA级别的SkyReels-V1和SkyReels-A1进行开源,是AI短剧行业首例,也是昆仑万维SkyReels回馈行业迈出的一小步,更是促进AI短剧创作和视频生成行业枝繁叶茂的一大步。
我们相信在进行推理优化的升级和可控算法的开源后,它们将为用户带来低成本、可控性更强的AIGC能力。昆仑万维希望通过更多优秀视频生成模型的开源和极致的AI短剧产品能力,为用户带来低成本实现AI短剧创作的可能性、突破行业目前视频生成一致性差的问题,让大众通过自己的电脑生成精细且可控的人物表演。
此次开源的视频大模型,不仅是一次技术突破,有助于缩小全球内容产业的数字鸿沟,更是文化产业生产力的一次革命。未来,短剧与游戏、虚拟现实等领域的跨界发展,将会加速产业融合。AI短剧也有希望从“技术实验”迈向“主流创作”,成为全球文化输出的新载体。
“实现通用人工智能,让每个人更好地塑造和表达自我”是公司的使命,未来,昆仑万维及SkyReels还将开源更多视频生成模型和算法、通用模型,通过开源实现AGI平权,推动AI短剧生态的持续建设和繁荣,促进开源社区、开发生态以及AI行业的发展。
相关文章
- 中兴努比亚启动接入文心4.5系列开源模型,赋能语音及文本场景应用
- DeepSpark开源社区正式发布百大应用开放平台25.06版本
- 基石智算上线文心 4.5 系列开源模型,畅享开发新体验
- 百度文心大模型4.5系列模型开源,国内首发平台GitCode现已开放下载!
- PPIO上线百度文心4.5系列开源模型
- 南京装备探索AI新场景 国产开源主控点亮中小学课堂
- 中小微企业日丨用心陪伴风雨同行,联想加速中小企业开源、提效、降本
- 开源鸿蒙消费品类终端百花齐放 多元生态亮相HDC 2025
- 润开鸿亮相HDC2025 以AI驱动基于开源鸿蒙的行业新“智”场景创新
- 开源鸿蒙年中技术会议在东莞盛大召开,生态繁荣与技术突破共绘新蓝图
- HDC2025大会召开:诚迈科技以HongZOS筑基开源鸿蒙生态繁荣
- 开源鸿蒙亮相HDC2025展区:从千行百业到千家万户 生态成果百花齐放
- 开源聚智·智启新程 具身智能机器人操作系统创新发展大会
- 开源鸿蒙亮相HDC 2025 共建千行万业的数字底座
- 智象未来两篇论文入选 CVPR 2025!视频生成与虚拟换装齐破局,开源赋能产业革新
- 魔乐社区携手中国信通院,成立“魔乐社区开源大模型智选中心”
人工智能技术
更多>>人工智能公司
更多>>人工智能硬件
更多>>- 三星Galaxy Z Flip7|Z Flip7 FE获欧盟能效标签认证:续航更持久 机身更耐用
- 三星 Galaxy Z Fold7:以技术突破 重塑折叠屏便携体验
- 荣耀X70三大行业最强,硬核开启手机耐用新时代
- 抗摔防水续航硬核升级,荣耀X70正式发布,售价1399元起
- 耐摔认准昆仑玻璃!WIKO Hi 畅享 80 Pro 叠加昆仑x玄甲双Buff
- 机械革命首批AI高静游戏本亮相Bilibili World 2025,同英特尔奔赴高能澎湃下一局
- 解读三星Galaxy S25 Edge:轻薄之上 是设计思维的跃迁
- 技术创新填补用户痛点,三星Galaxy Z Fold7、Galaxy Z Flip7带来新体验