SkyReels-V2: Skyworkによる無限長フィルム生成モデル

ComfyUI Wiki

SkyReels-V2は、Diffusion Forcingを用いた初のオープンソース無限長フィルム生成モデルです。Wan2.1をベースに、T2V、I2V、自己回帰的な動画生成をサポートします。

S

SkyReels-V2

VideoText-to-VideoImage-to-VideoDiffusion ForcingInfinite-LengthOpen Source

SkyReels-V2は、Kunlun Tech（Skywork）による無限長フィルム生成モデルで、自己回帰型 Diffusion-Forcing アーキテクチャを採用し、オープンソースの動画生成において SOTA を達成しています。Wan2.1 をベースに、テキストから動画へ（T2V）、画像から動画へ（I2V）、そして同期・非同期の両推論モードによる無限長 Diffusion Forcing（DF）生成をサポートします。14B と 1.3B のパラメータサイズ、540P と 720P の解像度で利用可能です。ファインチューニング用の LoRA アダプタも用意されています。ComfyUI では Kijai の WanVideoWrapper 経由で対応します。

Hugging Face CollectionGitHubPaperKijai WanVideoPlayground
開発元Kunlun Tech (Skywork AI)
リリース日2025-04-21
アーキテクチャ自己回帰型 Diffusion-Forcing Transformer
ベースモデルWan2.1 (Wan-AI)
ライセンスSkyReels-V2 Community License
モデルサイズ14B（フル）/ 1.3B（軽量）
機能テキストから動画へ（14B）、画像から動画へ（14B）、Diffusion Forcing（14B/1.3B）：無限長の自己回帰生成
出力解像度540P (960×544) / 720P (1280×720)
最大フレーム数97〜1457 フレーム（24fps で 4 秒〜60 秒以上）
VRAM (540P)約 51.2 GB (14B) / 約 14.7 GB (1.3B)

概要

SkyReels-V2 は、自己回帰型 Diffusion-Forcing アーキテクチャを採用した初のオープンソース動画生成モデルであり、公開されているモデルの中でも SOTA の性能を達成しています。マルチモーダル大規模言語モデル（MLLM）、マルチステージ事前学習、強化学習、そして Diffusion Forcing フレームワークを組み合わせることで、無限長のフィルム生成を可能にしています。

モデルバリアント

3 種類のモデルが用意されており、それぞれ複数の解像度と精度オプションがあります。

種類説明利用可能なサイズ精度
Diffusion Forcing (DF)無限長の自己回帰的な動画生成。同期・非同期モードの両方で T2V と I2V のタスクをサポート14B (540P/720P)、1.3B (540P)fp16、fp8_e4m3fn、fp8_e5m2
テキストから動画へ (T2V)標準的なテキストからの動画生成14B (540P/720P)fp16、fp8_e4m3fn、fp8_e5m2
画像から動画へ (I2V)画像を条件とする動画生成14B (540P/720P)fp16、fp8_e4m3fn、fp8_e5m2
SkyReels A2任意の視覚要素を組み合わせるための制御可能な動画生成。Apache-2.014B (fp8)fp8_e4m3fn

主な特徴

  • 無限長生成: Diffusion Forcing と自己回帰的なフレーム予測により、単一クリップの制限を超えた任意の長さの動画を生成します
  • 同期・非同期推論: 同期モードは高速生成向け、非同期モードはより良い指示追従と視覚的一貫性向けです
  • 動画拡張: 動画パスを渡すことで、DF モデルを使って既存の動画を拡張できます
  • 開始/終了フレーム制御: 生成される動画の最初と最後のフレームの両方を制御できます
  • プロンプト拡張: Qwen2.5-32B-Instruct を用いた組み込みのプロンプトエンハンサー
  • TeaCache による高速化: オプションのキャッシュで推論を高速化
  • オフロード対応: CPU オフロードによりピーク時の VRAM 要件を削減

ComfyUI でのセットアップ

これらのモデルは Kijai によって、カスタムノード WanVideoWrapper で使用できるようパッケージ化されています。diffusion モデルは ComfyUI/models/diffusion_models/ に、LoRA は ComfyUI/models/loras/ に配置してください。

バリアント

バリアント説明ライセンスリリース
SkyReels-V2Diffusion Forcing 動画モデル: 540P と 720P の 14B および 1.3B による無限長 T2V / I2VSkyReels-V2 Community License2025-04

チュートリアル、カスタムノード、関連ニュースについてはバリアントを選択してください。厳選された重みのダウンロードは Model Hub カタログにあります。

コメント

GitHubでサインインしてディスカッションに参加しましょう。

コメントを読み込み中…