SkyReels-V2: Skyworkによる無限長動画生成

SkyReels-V2とは？

SkyReels-V2は、AutoRegressive Diffusion-Forcingアーキテクチャに基づいて構築された初のオープンソース動画生成モデルで、マルチモーダルLLM、多段階の事前学習、強化学習、Diffusion Forcingフレームワークを組み合わせています。Diffusion Forcingは、固定長のクリップを1つ生成するのではなく、フレームを自己回帰的に予測します。これにより無限長の映像生成が可能になります。動画は単一ウィンドウの限界を超えて生成し続けることができ、既存の動画をフィードバックすることで拡張することもできます。

540Pと720Pで3種類のビルドが提供されます。スタンダードなテキストから動画へ、画像から動画へ、そして両方のタスクを同期（高速）または非同期（指示追従性と一貫性に優れる）推論でサポートするDiffusion Forcingモデルです。1.3BのDFチェックポイントはコンシューマー向けGPUを対象としており、LoRAアダプターは720PのT2VおよびI2Vのファインチューニングをカバーします。