技術特點

• 數據基礎：針對表演細節(jié)做了打標，對情緒、場景、表演訴求等進行處理，利用 “千萬級別、高質量” 的好萊塢級別數據進行訓練微調。
• 功能優(yōu)勢
  • 影視化表情識別體系：可實現 11 種針對影視戲劇中的人物表情理解，如不屑、不耐煩、無助、厭惡等。
  • 人物空間位置感知：基于人體三維重建技術，能實現對視頻中多人的空間相對關系理解，助力生成影視級人物站位。
  • 行為意圖理解：構建超過 400 種行為語義單元，可實現對人物行為的精準理解。
  • 表演場景理解：能夠實現人物 - 服裝 - 場景 - 劇情的關聯分析。
  • 多模態(tài)生成支持：不僅支持文生視頻，還支持圖生視頻，是開源視頻生成模型中參數最大的支持圖生視頻的模型，在同等分辨率下各項指標實現開源 SOTA。

性能表現

• 推理速度：在自研推理優(yōu)化框架「SkyReels - Infer」的加持下，可實現 544p 分辨率，推理基于單臺 4090 用時 80s，還支持分布式多卡并行，支持 Context Parallel、CFG Parallel 和 VAE Parallel。
• 顯存優(yōu)化：采取 fp8 quantization 以及 parameter - level offload，滿足低顯存用戶級顯卡運行需求。
• 延遲優(yōu)化：支持 flash attention、SageAttention，模型編譯優(yōu)化等，進一步優(yōu)化延遲，基于開源 diffuser 庫，提升易用性。

開源意義

• 推動行業(yè)發(fā)展：當前全球 AI 視頻生成模型和產品存在不開源、用不到、費用高、不好用等痛點，SkyReels - V1 的開源將面向 AI 短劇創(chuàng)作的技術成果回饋給開源社區(qū)和 AIGC 用戶，有望引導行業(yè)向更加開源、透明的方向發(fā)展。
• 降低創(chuàng)作門檻：創(chuàng)作者無需再為傳統影視制作中劇本創(chuàng)作、選演員、場景布置等環(huán)節(jié)耗費大量時間與成本，只需通過普通電腦，依靠該開源模型，就能生成影視作品，使創(chuàng)作短劇不再是專業(yè)團隊的專屬。