> 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-ru/generaciya-video/skyreels.md).

# SkyReels-V3

SkyReels-V3 — это модель генерации видео с открытым исходным кодом от Kunlun (SkyWork AI), построенная на архитектуре видео Wan2.1. Она генерирует плавные ролики с частотой 24 кадра/с и поддерживает как преобразование текста в видео (T2V), так и преобразование изображения в видео (I2V). Модель наследует сильную согласованность движения и временную согласованность Wan2.1, а также включает доработки обучения SkyWork для улучшения визуального качества и соответствия подсказкам.

Запуск SkyReels-V3 на [Clore.ai](https://clore.ai/) позволяет получить доступ к 24 ГБ видеопамяти, необходимых модели, без покупки оборудования — арендуйте RTX 4090 за несколько долларов и начните генерировать.

## Ключевые особенности

* **Вывод 24 кадра/с** — плавная, вещательная частота кадров прямо из коробки.
* **Текст в видео** — генерируйте клипы из описаний на естественном языке с хорошим соблюдением подсказок.
* **Изображение в видео** — анимируйте эталонное изображение с управляемым движением камеры и движением объекта.
* **Построено на Wan2.1** — наследует проверенное временное внимание и моделирование движения архитектуры Wan.
* **Многоразрешенное** — поддерживает генерацию в 480p и 720p в зависимости от бюджета видеопамяти.
* **Открытые веса** — доступно по открытой лицензии для исследований и коммерческого использования.
* **Китайский + Английский** — двуязычная поддержка подсказок через текстовый энкодер Wan2.1.

## Требования

| Компонент   | Минимум                  | Рекомендуется |
| ----------- | ------------------------ | ------------- |
| VRAM GPU    | 16 ГБ (480p с выгрузкой) | 24 ГБ         |
| ОЗУ системы | 32 ГБ                    | 64 ГБ         |
| Диск        | 25 ГБ                    | 50 ГБ         |
| Python      | 3.10+                    | 3.11          |
| CUDA        | 12.1+                    | 12.4          |

**Рекомендация Clore.ai по GPU:** Один **RTX 4090** (24 ГБ, ≈$0.5–2/день) — оптимальный вариант: достаточно видеопамяти для генерации в 720p в полной точности. Один **RTX 3090** (24 ГБ, ≈$0.3–1/день) подходит для 480p и предлагает лучшее соотношение цена/клип на рынке.

## Быстрый старт

```bash
# Установите основные зависимости
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
pip install diffusers transformers accelerate sentencepiece
pip install imageio[ffmpeg]

# Проверить GPU
python -c "import torch; print(torch.cuda.get_device_name(0))"
```

## Примеры использования

### Текст в видео

```python
import torch
from diffusers import WanPipeline
from diffusers.utils import export_to_video

# SkyReels-V3 использует архитектуру конвейера Wan2.1
pipe = WanPipeline.from_pretrained(
    "SkyworkAI/SkyReels-V3-T2V",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()

prompt = (
    "Самурай идет по бамбуковому лесу в утреннем тумане, "
    "солнечный свет просачивается через высокие стебли, кинематографичная композиция, "
    "медленное продуманное движение"
)

video_frames = pipe(
    prompt=prompt,
    negative_prompt="размытость, низкое качество, водяной знак, статичность",
    num_frames=97,               # ~4 сек при 24 кадр/с
    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("Сохранено samurai_forest.mp4")
```

### Изображение в видео

```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="Камера медленно двигается вперед в сцену, облака плывут над головой",
    image=image,
    negative_prompt="статичность, дрожание, размытость",
    num_frames=97,
    num_inference_steps=30,
    guidance_scale=5.0,
).frames[0]

export_to_video(video_frames, "landscape_anim.mp4", fps=24)
```

### Предпросмотр в низком разрешении для быстрого просмотра

```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 для быстрой итерации
frames = pipe(
    prompt="Океанские волны разбиваются о скалы, драматический брызг, закат",
    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)
```

## Советы для пользователей Clore.ai

1. **Используйте классы конвейера Wan** — SkyReels-V3 архитектурно основан на Wan2.1, поэтому он использует `WanPipeline` / `WanImageToVideoPipeline` из diffusers.
2. **Начните с 480p** — сначала отрабатывайте подсказки на более низком разрешении, затем генерируйте финальные клипы в 720p, когда будете довольны композицией.
3. **Выгрузка на CPU** — `enable_model_cpu_offload()` рекомендуется на картах с 24 ГБ для генерации в 720p, чтобы избежать OOM.
4. **Постоянное хранилище** — установите `HF_HOME=/workspace/hf_cache` на постоянном томе Clore.ai; модель весит \~15–20 ГБ.
5. **Родные 24 кадра/с** — не изменяйте fps при экспорте; временное внимание модели было обучено для вывода в 24 кадра/с.
6. **Двуязычные подсказки** — текстовый энкодер Wan2.1 обрабатывает и английский, и китайский; при необходимости вы можете смешивать языки.
7. **Масштаб направляющего сигнала** — лучше всего работают 4.0–6.0. Более высокие значения (>8) могут привести к пересыщению.
8. **tmux обязателен** — всегда запускайте генерацию в `tmux` сессии на Clore.ai, чтобы пережить разрывы SSH.

## Устранение неполадок

| Проблема                                 | Исправить                                                                                                                                     |
| ---------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------- |
| `OutOfMemoryError` на 720p               | Включите `pipe.enable_model_cpu_offload()`; снизьте до 480p, если все еще OOM                                                                 |
| Модель не найдена на HuggingFace         | Проверьте точное имя репозитория на [странице SkyworkAI на HF](https://huggingface.co/SkyworkAI) — она может быть указана под вариантом имени |
| Дрожание или мерцание движения           | Увеличьте `num_inference_steps` до 40; уменьшите `guidance_scale` до 4.0                                                                      |
| Медленная генерация                      | \~1–3 мин на клип \~4 сек на RTX 4090 нормально для 720p; 480p примерно в 2× быстрее                                                          |
| Сдвиг цвета / пересыщение                | Понизьте `guidance_scale` до 4.0–5.0                                                                                                          |
| `ImportError: imageio`                   | `pip install imageio[ffmpeg]`                                                                                                                 |
| Повторная загрузка весов при перезапуске | Подмонтируйте постоянное хранилище и установите `HF_HOME` переменную окружения                                                                |


---

# 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-ru/generaciya-video/skyreels.md?ask=<question>&goal=<endgoal>
```

`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.