2月18日，昆侖萬維開源中國首個面向AI短劇創作的視頻生成模型SkyReels-V1、中國首個SOTA級別基于視頻基座模型的表情動作可控算法SkyReels-A1。
開源地址：
1、SkyReels-V1：https://github.com/SkyworkAI/SkyReels-V1
2、SkyReels-A1：https://github.com/SkyworkAI/SkyReels-A1
3、技術報告：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，中國首個面向AI短劇創作的開源視頻生成模型
SkyReels-V1可實現影視級人物微表情表演生成，支持33種細膩人物表情與400+種自然動作組合，高度還原真人情感表達。正如以下視頻所示，SkyReels-V1支持生成大笑、怒吼、驚訝、哭泣等微表情，展現出人物情感豐沛的表演細節。即使有大幅度肢體動作，SkyReels-V1生成的微表情也完美貼合人物肢體表演。
同時，SkyReels-V1為AI視頻生成帶來了電影級光影美學，基于好萊塢級的高質量影視數據訓練，當前SkyReels生成的每一幀畫面，在構圖、演員站位、相機角度等都具備電影級的質感。無論是單人鏡頭表演細節，還是多人構圖，當前已具備精準的表情控制和高質感畫面。
更重要的是，SkyReels-V1不僅支持文生視頻、還能支持圖生視頻，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。
圖1丨SkyReels-V1文生視頻指標對比（來源：昆侖萬維SkyReels）
能夠實現這樣的SOTA級別，不僅依賴于昆侖萬維SkyReels團隊基于自研的高質量數據清洗和人工標注管線，構建了千萬級的高質量電影&電視劇&紀錄片數據。更依托團隊自研「Human-Centric」的視頻理解多模態大模型，大幅提升視頻中人物相關的理解能力，尤其是自研人物智能解析系統。
綜上所述，得益于扎實的數據工作和先進的人物智能解析系統，SkyReels-V1可以實現：
影視化表情識別體系：11種針對影視戲劇中的人物表情理解，如不屑、不耐煩、無助、厭惡等表情的理解；
人物空間位置感知：基于人體三維重建技術，實現對視頻中多人的空間相對關系理解，助力模型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，實現對人物行為的精準理解；
表演場景理解：實現人物-服裝-場景-劇情的關聯分析。
SkyReels-V1不僅是全球極少數開源的視頻生成模型，還是圍繞人物表演、開源視頻生成模型中性能最強的。
在自研推理優化框架「SkyReels-Infer」的加持下，大幅提升推理效率，實現544p分辨率，推理基于單臺4090只需80s，還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，滿足低顯存用戶級顯卡運行需求；支持flash attention、SageAttention，模型編譯優化等，進一步優化延遲；基于開源diffuser庫，提升易用性。
正如下圖2所示，在同等RTX4090資源情況下對比(4卡)，SkyReels-Infer版本比HunyuanVideo官方版本端到端延遲減少58.3%(293.3s vs 464.3s)；SkyReels-Infer版本具備更魯棒的部署策略，支持用戶級別顯卡1卡-8卡的推理部署。
圖2丨推理生成544p視頻，使用相同卡數的RTX 4090，SkyReels-Infer版本端到端延遲優于HunyuanVideo官方(xdit) 58.3%
在同等A800資源情況下對比，SkyReels-Infer版本比HunyuanVideo官方版本端到端延遲減少14.7%～28.2%（如圖3所示），SkyReels-Infer版本具備更魯棒的多卡部署策略。
圖3丨推理生成544p視頻，SkyReels-Infer版本具備更魯棒的多卡部署策略，支持8卡部署
2.SkyReels-A1：首個SOTA級別的基于視頻基座模型的表情動作可控算法
為了實現更加精準可控的人物視頻生成，昆侖萬維還開源了SOTA級別的基于視頻基座模型的表情動作可控算法SkyReels-A1，對標Runway的Act-One，SkyReels-A1支持視頻驅動的電影級表情捕捉，實現高保真微表情還原。能夠基于任意人體比例（包括肖像、半身及全身構圖）生成高度逼真的人物動態視頻，其真實感源自對人物表情變化和情緒的精準模擬、皮膚肌理、身體動作跟隨等多維度細節的深度還原。
SkyReels-A1不僅支持側臉的表情控制生成、還能實現更加逼真的眉眼微表情生成和更大幅度的頭部與自然身體動作。SkyReels-A1能夠實現更大幅度的人物表情驅動。相比Runway的Act-One，SkyReels-A1可以遷移更復雜的表情動作，生成的人物面部神情可以配合肢體及畫面內容實現更栩栩如生的表演。
3.以開源之姿，以破局之勢，昆侖萬維致力于推動全球AI短劇創作生態繁榮發展
昆侖萬維一直堅持開源，推動技術平權。昆侖萬維同時將SOTA級別的SkyReels-V1和SkyReels-A1進行開源，是AI短劇行業首例，也是昆侖萬維SkyReels回饋行業邁出的一小步，更是促進AI短劇創作和視頻生成行業枝繁葉茂的一大步。
我們相信在進行推理優化的升級和可控算法的開源后，它們將為用戶帶來低成本、可控性更強的AIGC能力。昆侖萬維希望通過更多優秀視頻生成模型的開源和極致的AI短劇產品能力，為用戶帶來低成本實現AI短劇創作的可能性、突破行業目前視頻生成一致性差的問題，讓大眾通過自己的電腦生成精細且可控的人物表演。
此次開源的視頻大模型，不僅是一次技術突破，有助于縮小全球內容產業的數字鴻溝，更是文化產業生產力的一次革命。未來，短劇與游戲、虛擬現實等領域的跨界發展，將會加速產業融合。AI短劇也有希望從“技術實驗”邁向“主流創作”，成為全球文化輸出的新載體。
“實現通用人工智能，讓每個人更好地塑造和表達自我”是公司的使命，未來，昆侖萬維及SkyReels還將開源更多視頻生成模型和算法、通用模型，通過開源實現AGI平權，推動AI短劇生態的持續建設和繁榮，促進開源社區、開發生態以及AI行業的發展。
本文轉載自：，不代表科技訊之立場。原文鏈接：http://show.wolaioa.com.cn/preview/cglhhUKjbpaLfoo00om5Nt3cfg.html
