SkyReels-V2: Modelo Generativo de Cine de Longitud Infinita por Skywork
SkyReels-V2 es el primer modelo generativo de cine de longitud infinita de código abierto que utiliza Diffusion Forcing. Construido sobre Wan2.1, soporta T2V, I2V y generación de video autorregresiva.
SkyReels-V2
VideoTexto a VideoImagen a VideoDiffusion ForcingLongitud InfinitaCódigo AbiertoSkyReels-V2 es un modelo generativo de cine de longitud infinita de Kunlun Tech (Skywork), que emplea una arquitectura AutoRegressive Diffusion-Forcing para la generación de video de código abierto de última generación. Construido sobre Wan2.1, soporta generación de Texto a Video (T2V), Imagen a Video (I2V) y generación de longitud infinita mediante Diffusion Forcing (DF) en modos de inferencia síncrono y asíncrono. Disponible en tamaños de 14B y 1.3B parámetros con resoluciones de 540P y 720P. También hay adaptadores LoRA disponibles para ajuste fino. Compatibilidad con ComfyUI a través de WanVideoWrapper de Kijai.
| Desarrollador | Kunlun Tech (Skywork AI) |
| Fecha de lanzamiento | 2025-04-21 |
| Arquitectura | AutoRegressive Diffusion-Forcing Transformer |
| Modelo base | Wan2.1 (Wan-AI) |
| Licencia | SkyReels-V2 Community License |
| Tamaños del modelo | 14B (completo) / 1.3B (ligero) |
| Capacidades | Texto a Video (14B), Imagen a Video (14B), Diffusion Forcing (14B/1.3B): autorregresiva de longitud infinita |
| Resoluciones de salida | 540P (960×544) / 720P (1280×720) |
| Máximo de fotogramas | 97~1457 fotogramas (4s–60s+ a 24 fps) |
| VRAM (540P) | ~51.2 GB (14B) / ~14.7 GB (1.3B) |
Descripción general
SkyReels-V2 es el primer modelo generativo de video de código abierto que emplea una arquitectura AutoRegressive Diffusion-Forcing, logrando un rendimiento de última generación entre los modelos disponibles públicamente. Sinergiza Modelos de Lenguaje Grande Multimodales (MLLM), Preentrenamiento en Múltiples Etapas, Aprendizaje por Refuerzo y el Marco de Diffusion Forcing para permitir la generación de cine de longitud infinita.
Variantes del modelo
Se encuentran disponibles tres tipos de modelo, cada uno con múltiples resoluciones y opciones de precisión:
| Tipo | Descripción | Tamaños disponibles | Precisión |
|---|---|---|---|
| Diffusion Forcing (DF) | Generación de video autorregresiva de longitud infinita; soporta tareas de T2V e I2V en modos síncrono o asíncrono | 14B (540P/720P), 1.3B (540P) | fp16, fp8_e4m3fn, fp8_e5m2 |
| Texto a Video (T2V) | Generación estándar de texto a video | 14B (540P/720P) | fp16, fp8_e4m3fn, fp8_e5m2 |
| Imagen a Video (I2V) | Generación de video condicionada por imagen | 14B (540P/720P) | fp16, fp8_e4m3fn, fp8_e5m2 |
| SkyReels A2 | Generación de video controlable para ensamblar elementos visuales arbitrarios; Apache-2.0 | 14B (fp8) | fp8_e4m3fn |
Características principales
- Generación de Longitud Infinita: Utiliza Diffusion Forcing con predicción autorregresiva de fotogramas para generar videos arbitrariamente largos más allá de los límites de un solo clip
- Inferencia Síncrona y Asíncrona: Síncrona para una generación más rápida, asíncrona para un mejor seguimiento de instrucciones y consistencia visual
- Extensión de Video: Extienda videos existentes con el modelo DF proporcionando una ruta de video
- Control de Fotograma Inicial/Final: Controle tanto el primer como el último fotograma de los videos generados
- Mejora de Prompt: Mejorador de prompts integrado usando Qwen2.5-32B-Instruct
- Aceleración TeaCache: Caché opcional para una inferencia más rápida
- Soporte de Offload: La descarga a CPU reduce los requisitos máximos de VRAM
Configuración en ComfyUI
Estos modelos están empaquetados por Kijai para su uso con el nodo personalizado WanVideoWrapper. Coloque los modelos de difusión en ComfyUI/models/diffusion_models/ y los LoRA en ComfyUI/models/loras/.