SkyReels-V2 AI视频生成10分钟跑通文生视频与图生视频完整上手【免费下载链接】SkyReels-V2SkyReels-V2: Infinite-length Film Generative model项目地址: https://gitcode.com/GitHub_Trending/sk/SkyReels-V2SkyReels-V2 是一个 AI 视频生成模型输入一句文字或一张图片输出几秒到几十秒的视频且能借助 Diffusion Forcing自回归扩散强迫让每一帧独立处理噪点、再以前一段画面为参考往外续写把视频续接成更长的长度。本文面向第一次接触视频生成模型的读者按先出结果、再讲原理的顺序带你跑通全程约 10 分钟。图里看的是整个技术链路左侧的 SkyCaptioner 负责给视频打结构化标注中间是强化学习与 Diffusion Forcing 训练右侧才是你实际会调到的推理部分。 安装与第一次生成这一节解决装环境 出第一条视频的问题四步走完。下载源码到本地git clone https://gitcode.com/GitHub_Trending/sk/SkyReels-V2 cd SkyReels-V2安装全部 Python 依赖基于 Python 3.10 测试含 flash_attn需要匹配你的 CUDA 版本pip install -r requirements.txt把 1.3B 模型权重放到当前目录1.3B 版峰值显存约 15GB14B 版要 50GB 以上新手先用 1.3Bpip install -U huggingface_hub[cli] huggingface-cli download Skywork/SkyReels-V2-DF-1.3B-540P \ --local-dir ./SkyReels-V2-DF-1.3B-540P用文字生成第一条视频模型若未下载会自动拉取成片存进diffusion_forcing/目录python3 generate_video_df.py \ --model_id Skywork/SkyReels-V2-DF-1.3B-540P \ --resolution 540P \ --prompt A duck paddling across a quiet pond at dusk \ --num_frames 97 --offload 看懂目录结构这一节解决代码放在哪、各管什么的问题。generate_video.py/generate_video_df.py两个推理入口前者跑文生/图生视频后者跑 Diffusion Forcing 长视频。skyreels_v2_infer/模型主体。modules/放注意力、VAE 编解码器和文本编码器pipelines/是推理流程封装scheduler/是去噪求解器distributed/支持多卡加速。skycaptioner_v1/独立的视频打字幕工具examples/data/里带了几个可直接试跑的示例视频。完整的参数表在 README.md 里本文只挑最常用的几个。 三种玩法逐个跑这一节解决不同任务各用什么命令的问题。文生视频上面第一条命令就是文生视频--num_frames 257约 10 秒、377约 15 秒、737约 30 秒。图生视频同一条命令加--image 图片路径把静态照片变成视频效果如下python3 generate_video_df.py --model_id Skywork/SkyReels-V2-DF-1.3B-540P \ --resolution 540P --image ./cat.jpg \ --prompt A cat slowly turning its head, sunlight through the window续写已有视频加--video_path 视频路径输出长度等于原视频长度加新生成的--num_frames这就是无限长度的落地方式。锁首尾帧加--image和--end_image分别指定第一帧和最后一帧中间内容由模型补全。标准文生视频模型换入口脚本用--guidance_scale 6.0 --shift 8.0图生视频任务建议把这两个值降到 5.0 和 3.0。⚙️ 参数速查这一节解决常用参数设多少的问题。参数作用推荐值新手建议--prompt视频内容的文字描述一句完整英文长句必写按下一节结构写--num_frames输出总帧数24fps97 / 257 / 737先用 97约 4 秒--guidance_scale跟随提示词的程度6.0T2V/ 5.0I2V偏高画面易变形偏低易不听指令--seed随机种子任意整数固定后结果可复现--offload把模型权重搬回 CPU 省显存建议开启显存紧时一定加✍️ 提示词怎么写这一节解决提示词怎么组织效果才稳定的问题。建议用英文按主体 环境 动作 镜头四要素写成一句完整的话。基础版A red fox walking through a snowy forest.进阶版A red fox with a bushy tail walking through a snowy pine forest at dawn, soft blue fog drifting between the trunks, the camera slowly pushes in from a low angle.进阶版比基础版多了光线、雾、机位和运镜四个信息点画面会更贴合你的意图。 翻车自救与硬件建议这一节解决跑挂了怎么办、显卡要什么配置的问题。显存爆了换 1.3B 模型并加--offload或把--base_num_frames从 97 降到 77 / 57 压峰值显存代价是画质略降。长视频越往后越糊加--addnoise_condition 20给历史参考帧补一点噪来平滑过渡数值超过 50 反而会引起不一致。画面变形或完全不听提示词--guidance_scale太高就降、太低就升从 5.0 到 7.0 之间试。硬件两档入门档 16GB 显存显卡跑 1.3B --offload进阶档 50GB 以上显存跑 14B 模型多卡可用torchrun加--use_usp加速。 下一步往哪走跑通之后试着把--num_frames调到 377、737 生成更长的片子换几组--seed找稳定配方想深入的话skyreels_v2_infer/modules/ 里的transformer.py与scheduler/是最值得读的两处。【免费下载链接】SkyReels-V2SkyReels-V2: Infinite-length Film Generative model项目地址: https://gitcode.com/GitHub_Trending/sk/SkyReels-V2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
