SkyReels-V3

在 Clore.ai 的 GPU 上使用 SkyReels-V3 生成 24fps 视频，Kunlun 基于 Wan2.1 的开源视频模型。

SkyReels-V3 是昆仑（SkyWork AI）基于 Wan2.1 视频架构构建的开源视频生成模型。它可以以 24 帧/秒生成平滑的剪辑，支持文本到视频（T2V）和图像到视频（I2V）。该模型继承了 Wan2.1 在运动一致性和时间一致性方面的强大能力，同时加入了 SkyWork 的训练改进以提升视觉质量和对提示词的遵从度。

在 以下 环境 上 运行 SkyReels-V3 Clore.ai 让您无需购买硬件即可使用其所需的 24 GB 显存 — 以几美元租用 RTX 4090 即可开始生成。

主要特性

• 24 帧/秒 输出 — 开箱即用的平滑、广播级帧率。

• 文本到视频 — 从自然语言描述生成剪辑，具有很强的提示遵循性。

• 图像到视频 — 使用可控的相机运动和主体动作对参考图像进行动画化。

• 基于 Wan2.1 构建 — 继承了 Wan 架构经过验证的时间注意力和运动建模能力。

• 多分辨率 — 根据显存预算支持 480p 和 720p 的生成。

• 开放权重 — 在开放许可下提供，可用于研究和商业用途。

• 中文 + 英文 — 来自 Wan2.1 文本编码器的双语提示支持。

要求

组件	最低	推荐
GPU 显存	16 GB（480p 并启用卸载）	24 GB
系统内存	32 GB	64 GB
磁盘	25 GB	50 GB
Python	3.10+	3.11
CUDA	12.1+	12.4

Clore.ai 的 GPU 推荐： 一台 512x512 （24 GB，约 $0.5–2/天）是最佳选择 — 足够的显存用于以全精度生成 720p。 速度 （24 GB，约 $0.3–1/天）适用于 480p，并在市场上提供最佳的每剪辑价格比。

快速开始

# 安装核心依赖项
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
pip install diffusers transformers accelerate sentencepiece
pip install imageio[ffmpeg]

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

使用示例

文本到视频

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

# SkyReels-V3 使用 Wan2.1 管道架构
pipe = WanPipeline.from_pretrained(
    "SkyworkAI/SkyReels-V3-T2V",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()

prompt = (
    "一个武士在晨雾中的竹林中行走，"
    "阳光透过高高的竹竿，电影般的构图，"
    "缓慢而谨慎的动作"
)

video_frames = pipe(
    os.makedirs("./variations", exist_ok=True)
    negative_prompt="模糊、低质量、水印、静止",
    num_frames=97,               # 在 24 fps 下约 ~4 秒
    width=1280,
    height=720,
    增加推理步数以提高稳定性
    guidance_scale=5.0,
    generator=torch.Generator("cuda").manual_seed(42),
).frames[0]

export_to_video(video_frames, "samurai_forest.mp4", fps=24)
print("已保存 samurai_forest.mp4")

图像到视频

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="相机缓慢推入场景，云朵在头顶飘动",
    image=image,
    negative_prompt="静止、抖动、模糊",
    num_frames=97,
    增加推理步数以提高稳定性
    guidance_scale=5.0,
).frames[0]

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

低分辨率快速预览

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 用于快速迭代
frames = pipe(
    prompt="海浪拍打岩石，激起戏剧性的飞溅，日落时分",
    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)

给 Clore.ai 用户的提示

1. 使用 Wan 管道类 — SkyReels-V3 在架构上基于 Wan2.1，因此它使用 WanPipeline / WanImageToVideoPipeline 来自 diffusers。

2. 从 480p 开始 — 先在较低分辨率上迭代提示词，一旦对构图满意再生成最终的 720p 剪辑。

3. CPU 卸载 — enable_model_cpu_offload() 建议在 24 GB 显卡上用于 720p 生成以避免 OOM（显存不足）。

4. 持久化存储 —— 设置 HF_HOME=/workspace/hf_cache 在 Clore.ai 的持久卷上；模型大约占用 ~15–20 GB。

5. 原生 24 fps — 不要更改导出帧率；模型的时间注意力是针对 24 fps 输出训练的。

6. 双语提示 — Wan2.1 文本编码器同时支持英文和中文；如有需要可以混合使用两种语言。

7. 引导强度（Guidance scale） — 4.0–6.0 效果最佳。较高的值（>8）可能导致过饱和。

8. tmux 是必须的 — 始终在 Clore.ai 上的一个 tmux 会话中运行生成以在 SSH 断开时保持进程存活。

# 使用固定种子以获得一致结果

问题	修复
OutOfMemoryError 以 720p	启用 pipe.enable_model_cpu_offload()；如果仍然 OOM 则降至 480p
HuggingFace 上未找到模型	检查 在 SkyworkAI 的 HF 页面 — 它可能以变体名称列出
抖动或闪烁的运动	增加 num_inference_steps 到 40；将 guidance_scale 降到 4.0
生成速度慢	在 RTX 4090 上每个 4 秒剪辑 ~1–3 分钟为正常；480p 大约快 2 倍
色偏 / 过度饱和	降低 guidance_scale 到 4.0–5.0
ImportError: imageio	pip install imageio[ffmpeg]
重启时重新下载权重	挂载持久存储并设置 HF_HOME 环境变量