license: other license_name: skywork-license license_link: LICENSE pipeline_tag: image-to-video

SkyReels V2：无限长度电影生成模型

📑 技术报告 · 👋 在线体验 · 💬 Discord社区 · 🤗 Hugging Face · 🤖 ModelScope · 🌐 GitHub

欢迎来到SkyReels V2代码库！这里提供我们无限长度电影生成模型的权重文件。据我们所知，这是首个采用自回归扩散强制架构的开源视频生成模型，在公开模型中实现了最先进的性能表现。

🔥🔥🔥 最新动态!!

• 2025年4月24日：🔥 发布720P模型 SkyReels-V2-DF-14B-720P 和 SkyReels-V2-I2V-14B-720P。前者支持无限长度自回归视频生成，后者专注图像到视频合成。
• 2025年4月21日：👋 发布 SkyReels-V2 系列模型推理代码与权重，以及视频描述模型 SkyCaptioner-V1。
• 2025年4月3日：🔥 同步开源 SkyReels-A2——可自由组装视觉元素的可控视频生成框架。
• 2025年2月18日：🔥 发布 SkyReels-A1——高效开源的人像动画生成框架。
• 2025年2月18日：🔥 推出 SkyReels-V1——首个也是最先进的开源人物视频基础模型。

🎥 演示视频

📑 开发计划

• [x] 技术报告
• [x] 14B和1.3B系列模型权重
• [x] 单卡/多卡推理代码
• [x] SkyCaptioner-V1视频描述模型
• [x] 提示词增强器
• [ ] Diffusers集成
• [ ] 5B系列模型权重
• [ ] 镜头导演模型权重
• [ ] 步长与引导蒸馏模型权重

🚀 快速开始

环境安装

# 克隆代码库
git clone https://github.com/SkyworkAI/SkyReels-V2
cd SkyReels-V2
# 安装依赖（测试环境Python 3.10.12）
pip install -r requirements.txt

模型下载

可从Hugging Face获取模型：

下载后，在生成命令中设置模型路径：

单卡推理

• 长视频扩散强制生成

扩散强制版本模型支持生成无限长度视频，兼容**文生视频(T2V)和图生视频(I2V)**任务，支持同步与异步两种推理模式。以下展示两个长视频生成示例脚本。如需调整视频时长、推理模式等参数，请先阅读注意事项。

同步生成10秒视频：

model_id=Skywork/SkyReels-V2-DF-14B-540P
# 同步推理
python3 generate_video_df.py \
  --model_id ${model_id} \
  --resolution 540P \
  --ar_step 0 \
  --base_num_frames 97 \
  --num_frames 257 \
  --overlap_history 17 \
  --prompt "黎明时分的宁静湖面上，一只优雅的白天鹅弯曲着修长的脖颈，精致的羽毛在晨光中闪耀，它游弋时水面完美倒映着身影，薄雾从湖面升起，天鹅不时低头入水觅食。" \
  --addnoise_condition 20 \
  --offload \
  --teacache \
  --use_ret_steps \
  --teacache_thresh 0.3

异步生成30秒视频：

model_id=Skywork/SkyReels-V2-DF-14B-540P
# 异步推理
python3 generate_video_df.py \
  --model_id ${model_id} \
  --resolution 540P \
  --ar_step 5 \
  --causal_block_size 5 \
  --base_num_frames 97 \
  --num_frames 737 \
  --overlap_history 17 \
  --prompt "黎明时分的宁静湖面上，一只优雅的白天鹅弯曲着修长的脖颈，精致的羽毛在晨光中闪耀，它游弋时水面完美倒映着身影，薄雾从湖面升起，天鹅不时低头入水觅食。" \
  --addnoise_condition 20 \
  --offload

注意事项：

• 执行**图生视频(I2V)任务时需添加--image ${图片路径}参数，建议使用包含首帧描述的文生视频(T2V)**式提示词
• 生成长视频时只需调整--num_frames参数，例如--num_frames 257对应10秒视频，--num_frames 377对应15秒，--num_frames 737对应30秒，--num_frames 1457对应60秒。该数值与逻辑帧数非严格对应，但与训练参数对齐可获得更佳效果。使用异步推理(causal_block_size>1)时需谨慎设置该值
• 使用--ar_step 5启用异步推理时推荐设置--causal_block_size 5，同步推理时不应设置此参数。注意每轮迭代输入模型的帧潜变量数（例如基础帧潜变量数=(97-1)//4+1=25，末轮潜变量数=(237-97-(97-17)x1+17-1)//4+1=20）必须能被causal_block_size整除。若计算困难可直接采用我们推荐的参数设置。异步推理需更多扩散步骤，因此速度慢于同步模式，但实验表明可提升指令跟随与视觉一致性
• 降低--base_num_frames至77或57可减少峰值显存，但会轻微影响画质，不建议设置过小
• --addnoise_condition通过添加噪声提升长视频流畅度，推荐值20，超过50可能导致不一致
• 1.3B模型生成540P视频需约14.7GB峰值显存，14B模型需约51.2GB

• 文生视频 & 图生视频

# 文生视频生成
model_id=Skywork/SkyReels-V2-T2V-14B-540P
python3 generate_video.py \
  --model_id ${model_id} \
  --resolution 540P \
  --num_frames 97 \
  --guidance_scale 6.0 \
  --shift 8.0 \
  --fps 24 \
  --prompt "群山环绕的宁静湖泊，几只天鹅优雅滑过水面，阳光在湖面跳跃。" \
  --offload \
  --teacache \
  --use_ret_steps \
  --teacache_thresh 0.3

注意事项：

• 使用**图生视频(I2V)**模型时必须通过--image ${图片路径}参数提供输入图像，推荐参数--guidance_scale 5.0和--shift 3.0
• 1.3B模型生成540P视频需约14.7GB峰值显存，14B模型需约43.4GB

• 提示词增强器

提示词增强器基于Qwen2.5-32B-Instruct实现，通过--prompt_enhancer参数调用。对短提示词效果显著，长提示词可能生成过度详细的描述导致视频过饱和。注意启用该功能时GPU峰值内存需64G以上。如需单独获取增强后的提示词，可运行以下脚本：

cd skyreels_v2_infer/pipelines
python3 prompt_enhancer.py --prompt "群山环绕的宁静湖泊，几只天鹅优雅滑过水面，阳光在湖面跳跃。"

注意：

• 使用--use_usp参数时不可启用--prompt_enhancer，建议先运行prompt_enhancer.py生成增强提示词后再启用--use_usp

高级配置参数