4月21日，昆仑万维SkyReels团队正式发布并开源SkyReels-V2——全球首个使用扩散强迫（Diffusion-forcing）框架的无限时长电影生成模型，其通过结合多模态大语言模型（MLLM）、多阶段预训练（Multi-stage Pretraining）、强化学习（Reinforcement Learning）和扩散强迫（Diffusion-forcing）框架来实现协同优化。

回顾过去一年，视频生成技术在扩散模型和自回归框架的推动下取得了显著进展，但在提示词遵循、视觉质量、运动动态和视频时长的协调上仍面临重大挑战。

现有技术在提升稳定的视觉质量时往往牺牲运动动态效果，为了优先考虑高分辨率而限制视频时长（通常为5—10秒），并且由于通用多模态大语言模型（MLLM）无法解读电影语法（如镜头构图、演员表情和摄像机运动），导致镜头感知生成能力不足。这些相互关联的限制阻碍了长视频的逼真合成和专业电影风格的生成。

为了解决这些痛点，SkyReels-V2应运而生，它不仅在技术上实现了突破，还提供了多种有用的应用场景，包括故事生成、图生视频、运镜专家和多主体一致性视频生成（SkyReels-A2）。

SkyReels-V2现已支持生成30秒、40秒的视频，且具备生成高运动质量、高一致性、高保真视频的能力。

SkyReels-V2的推出标志着视频生成技术迈入了一个新的阶段，为实现高质量、长时间的电影风格视频生成提供了全新的解决方案。它不仅为内容创作者提供了强大的工具，更开启了利用AI进行视频叙事和创意表达的无限可能。

昆仑万维表示，SkyReels团队仍致力于推动视频生成技术的发展，并将SkyCaptioner-V1和SkyReels-V2系列模型（包括扩散强迫、文本到视频、图像到视频、摄像导演和元素到视频模型）的各种尺寸（1.3B、5B、14B）进行完全开源，以促进学术界和工业界的进一步研究和应用。（燕云）

校对：杨立林