> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/videogenerierung/skyreels.md). # SkyReels-V3 Generiere 24-fps-Video mit SkyReels-V3, Kunluns auf Wan2.1 basierendem offenem Videomodell, auf Clore.ai-GPUs. SkyReels-V3 ist ein Open-Source-Videoerzeugungsmodell von Kunlun (SkyWork AI), das auf der Wan2.1-Videoarchitektur aufbaut. Es erzeugt flüssige 24-fps-Clips mit Text-zu-Video- (T2V) und Bild-zu-Video-Funktionen (I2V). Das Modell übernimmt die starke Bewegungs-Kohärenz und zeitliche Konsistenz von Wan2.1 und ergänzt sie um SkyWorks Trainingsverfeinerungen für bessere visuelle Qualität und genauere Einhaltung der Prompts. SkyReels-V3 ausführen auf [Clore.ai](https://clore.ai/) ermöglicht dir den Zugriff auf die benötigten 24 GB VRAM, ohne Hardware zu kaufen — miete eine RTX 4090 für ein paar Dollar und leg los. ## Hauptfunktionen * **24-fps-Ausgabe** — sofort eine flüssige Bildrate in Sendequalität. * **Text-zu-Video** — erzeugt Clips aus Beschreibungen in natürlicher Sprache mit starker Prompt-Treue. * **Bild-zu-Video** — animiere ein Referenzbild mit steuerbarer Kamerabewegung und Bewegung des Motivs. * **Auf Wan2.1 aufgebaut** — übernimmt die bewährte zeitliche Aufmerksamkeit und Bewegungsmodellierung der Wan-Architektur. * **Mehrere Auflösungen** — unterstützt die Generierung in 480p und 720p, je nach VRAM-Budget. * **Offene Gewichte** — unter einer offenen Lizenz für Forschung und kommerzielle Nutzung verfügbar. * **Chinesisch + Englisch** — zweisprachige Prompt-Unterstützung durch den Wan2.1-Textencoder. ## Anforderungen | Komponente | Minimum | Empfohlen | | ---------- | --------------------------- | --------- | | GPU-VRAM | 16 GB (480p mit Offloading) | 24 GB | | System-RAM | 32 GB | 64 GB | | Festplatte | 25 GB | 50 GB | | Python | 3.10+ | 3.11 | | CUDA | 12.8+ | 12.8+ | **Clore.ai-GPU-Empfehlung:** Ein **RTX 4090** (24 GB, 0,14–0,42 $/Std.) ist der Sweet Spot — genug VRAM für 720p-Generierung in voller Präzision. Ein **RTX 3090** (24 GB, 0,07–0,21 $/Std.) funktioniert für 480p und bietet auf dem Marktplatz das beste Preis-pro-Clip-Verhältnis. ## Schnellstart ```bash # Kernabhängigkeiten installieren pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128 pip install diffusers transformers accelerate sentencepiece pip install imageio[ffmpeg] # GPU überprüfen python -c "import torch; print(torch.cuda.get_device_name(0))" ``` ## Anwendungsbeispiele ### Text-zu-Video ```python import torch from diffusers import WanPipeline from diffusers.utils import export_to_video # SkyReels-V3 verwendet die Wan2.1-Pipeline-Architektur pipe = WanPipeline.from_pretrained( "SkyworkAI/SkyReels-V3-T2V", torch_dtype=torch.bfloat16, ) pipe.to("cuda") pipe.enable_model_cpu_offload() prompt = ( "Ein Samurai, der durch einen Bambuswald im Morgennebel geht, " "Sonnenlicht, das durch die hohen Halme fällt, cineastische Komposition, " "langsame, bewusste Bewegung" ) video_frames = pipe( prompt=prompt, negative_prompt="unscharf, niedrige Qualität, Wasserzeichen, statisch", num_frames=97, # ~4 Sek. bei 24 fps width=1280, height=720, num_inference_steps=30, guidance_scale=5.0, generator=torch.Generator("cuda").manual_seed(42), ).frames[0] export_to_video(video_frames, "samurai_forest.mp4", fps=24) print("samurai_forest.mp4 gespeichert") ``` ### Bild-zu-Video ```python import torch from PIL import Image from diffusers import WanImageToVideoPipeline from diffusers.utils import export_to_video pipe = WanImageToVideoPipeline.from_pretrained( "SkyworkAI/SkyReels-V3-I2V", torch_dtype=torch.bfloat16, ) pipe.to("cuda") pipe.enable_model_cpu_offload() image = Image.open("landscape.png").resize((1280, 720)) video_frames = pipe( prompt="Die Kamera fährt langsam in die Szene hinein, Wolken ziehen darüber hinweg", image=image, negative_prompt="statisch, Zittern, unscharf", num_frames=97, num_inference_steps=30, guidance_scale=5.0, ).frames[0] export_to_video(video_frames, "landscape_anim.mp4", fps=24) ``` ### Schnelle Vorschau in niedrigerer Auflösung ```python import torch from diffusers import WanPipeline from diffusers.utils import export_to_video pipe = WanPipeline.from_pretrained( "SkyworkAI/SkyReels-V3-T2V", torch_dtype=torch.bfloat16 ).to("cuda") # 480p für schnelle Iterationen frames = pipe( prompt="Ozeanwellen, die gegen Felsen schlagen, dramatische Gischt, Sonnenuntergang", num_frames=49, width=854, height=480, num_inference_steps=20, guidance_scale=5.0, ).frames[0] export_to_video(frames, "waves_preview.mp4", fps=24) ``` ## Tipps für Clore.ai-Nutzer 1. **Verwende Wan-Pipeline-Klassen** — SkyReels-V3 basiert architektonisch auf Wan2.1, daher verwendet es `WanPipeline` / `WanImageToVideoPipeline` aus diffusers. 2. **Starte mit 480p** — arbeite zunächst bei niedrigerer Auflösung an den Prompts und erzeuge dann die finalen Clips in 720p, sobald du mit der Komposition zufrieden bist. 3. **CPU-Offloading** — `enable_model_cpu_offload()` wird auf 24-GB-Karten für 720p-Generierung empfohlen, um OOM zu vermeiden. 4. **Persistenter Speicher** — setzen Sie `HF_HOME=/workspace/hf_cache` auf einem persistenten Volume von Clore.ai; das Modell wiegt \~15–20 GB. 5. **nativ 24 fps** — ändere die Export-fps nicht; die zeitliche Aufmerksamkeit des Modells wurde für 24-fps-Ausgabe trainiert. 6. **Zweisprachige Prompts** — der Wan2.1-Textencoder verarbeitet sowohl Englisch als auch Chinesisch; du kannst bei Bedarf Sprachen mischen. 7. **Guidance-Scale** — 4.0–6.0 funktioniert am besten. Höhere Werte (>8) können zu Übersättigung führen. 8. **tmux ist obligatorisch** — führe die Generierung immer in einer `tmux` Session auf Clore.ai aus, damit SSH-Trennungen überstanden werden. ## Fehlerbehebung | Problem | Fix | | ---------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------ | | `OutOfMemoryError` bei 720p | Aktiviere `pipe.enable_model_cpu_offload()`; auf 480p reduzieren, falls weiterhin OOM | | Modell auf HuggingFace nicht gefunden | Prüfe den exakten Repo-Namen auf [der HF-Seite von SkyworkAI](https://huggingface.co/SkyworkAI) — es könnte unter einem anderen Variantennamen gelistet sein | | Ruckelige oder flackernde Bewegung | Erhöhen Sie `num_inference_steps` auf 40; verringere `guidance_scale` auf 4.0 | | Langsame Generierung | \~1–3 Min. pro 4-Sek.-Clip auf einer RTX 4090 sind für 720p normal; 480p ist ungefähr 2× schneller | | Farbverschiebung / Übersättigung | Niedriger `guidance_scale` auf 4.0–5.0 | | `ImportError: imageio` | `pip install imageio[ffmpeg]` | | Gewichte werden beim Neustart erneut heruntergeladen | Persistenten Speicher einhängen und setzen `HF_HOME` Umgebungsvariable | --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-de/videogenerierung/skyreels.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.