SkyReels V4是崑崙萬維集團旗下Skywork AI於2月27日發布的多模態視頻基礎模型。據稱，該模型系“全球首個同時支持多模態輸入、聯合音視頻生成、統一生成/修復/編輯任務”的視頻基礎模型。在第三方AI大模型評測機構Artificial Analysis的“文生視頻(帶音頻)的所有歷史模型”排行榜中，SkyReels V4位列第四名。模型採用雙流多模態擴散 Transformer(MMDiT)架構，支持基於參考圖片和參考運動的主體替換、屬性修改等功能，並支持多語種文本合成。
基本介紹
- 功能：多模態輸入、聯合音視頻生成、統一生成修復編輯任務
- 發布日期：2026年2月27日
- 開發者：Skywork AI
- 排名：文生視頻榜第四名
- 架構：雙流MMDiT架構
- 類型：多模態視頻基礎模型
研發背景,重要事件,核心技術,
研發背景
崑崙天工表示，SkyReels-V4主要的貢獻是針對用戶日常使用視頻生成工具遇到的幾個痛點進行了突破。模型通過雙流MMDiT架構提高生成視頻中角色的嘴型、動作和聲音的匹配度。採用低解析度全序列加高解析度關鍵幀聯合生成策略，用相對較少的計算資源生成更高解析度、更長時間的優質視頻。通過把生成、編輯、處理等整合在統一框架里，減少用戶剪輯時的多工具依賴，提升效率。
重要事件
2026年2月27日，崑崙萬維集團旗下Skywork AI發布了多模態視頻基礎模型SkyReels V4。該模型支持多模態輸入，並能進行聯合音視頻生成，統一處理生成、修復與編輯任務。
核心技術
SkyReels V4以雙流多模態擴散Transformer（MMDiT）為核心架構，能夠實現1080p解析度、32 FPS幀率、15秒時長的音視頻同步生成。該架構使視頻和音頻從任務開始便並行處理，共享同一個文本理解模型，並通過雙向跨注意力機制互相參考，以提高生成視頻中角色的嘴型、動作與聲音的匹配度。
SkyReels V4採用“低解析度全序列+高解析度關鍵幀”的聯合生成策略，模型先快速生成低解析度完整視頻和高解析度關鍵幀，再通過專用超解析度和幀插值模組重構高質量視頻。
為整合視頻的生成、編輯與處理流程，SkyReels V4提出了通道拼接（Channel-Concatenation）與時序拼接（Temporal-Concatenation）相結合的統一範式，旨在減少用戶剪輯時的多工具依賴。
