念有更准确的理解，为后续的优化提供一个良好的初始化。比如让模型对各种物体、场景、动作等概念有清晰的认知，这样在生成视频时才能更准确地表现出来。
- 运动特定的强化学习（rl）训练：这时候就像是给模型进行专项训练，针对运动质量进行优化，通过偏好优化提升运动动态质量，让模型生成的运动画面更加自然流畅。通过大量的运动数据训练，让模型学会不同动作的正确表现方式，避免出现运动不自然的情况。
- 扩散强迫框架（df）训练：这是训练的关键阶段，通过这个阶段的训练，模型掌握了长视频生成的核心技术，能够实现高效的长视频生成。模型学会了如何利用扩散强迫框架，合理地安排每一帧的生成，保证长视频的连贯性和稳定性。
- 高质量sft：最后再进行一次高质量的微调，进一步提升视频的视觉保真度，让生成的视频画面更加清晰、逼真。对视频的色彩、光影、细节等方面进行优化，使生成的视频达到更高的质量标准。
通过这样一步步的训练，skyreels v2在指令遵循、运动质量、一致性和视觉质量等方面都取得了显着的进展，成为了一个非常强大的视频生成大模型。在实际应用中，它生成的视频无论是在质量还是在符合用户需求方面，都表现得非常出色。
三、skyreels v2的实际表现如何？
为了全面评估skyreels v2的性能，昆仑万维的团队构建了一个专业的评估体系，就像是给模型进行一场严格的考试。这个评估体系主要从四个关键维度来考察模型：指令遵循、运动质量、一致性和视觉质量。
在指令遵循方面，skyreels v2就像是一个听话的好学生，能够准确理解并实现复杂的创作意图。比如说，当你输入一个包含多个动作序列和场景变化的复杂提示词时，它能按照你的要求，把每个细节都展现得非常到位，在运动指令、主体指令、空间关系、镜头类型、表情和摄像机运动的遵循上都远远优于其他基线方法。在生成一个“主角先在森林中奔跑，然后突然停下，转身面对镜头，脸上露出惊讶的表情，同时周围的树叶随风飘动”的视频时，skyreels v2能完美地呈现出这些细节，而其他模型可能会遗漏一些动作或者表情表现不到位。
在运动质量方面，它生成的视频就像一部精彩的动作大片，运动动态性、流畅性和物理合理性都非常出色。里面的人物和物体运动起来自然、多样，就像在现实生活中一样，完全没有那种生硬、卡顿的感觉。在一些动作视频中，人物的打斗动作流畅自然，力量感十足，让人感觉就像是真实的武术高手在对决。
一致性方面，skyreels v2也表现得非常出色。整个视频中主体和场景都能保持高度一致，不管是人物的服装、外貌，还是场景中的道具、环境，在不同的画面中都不会出现前后矛盾的情况，而且运动过程也有很高的保真度，让人感觉非常真实。在一个连续的剧情视频中，主角的服装颜色、款式始终保持一致，场景中的建筑、植物等也不会突然发生变化。
视觉质量上，生成的视频就像一幅精美的画卷，画面清晰度高、色彩准确性好、结构完整性强，没有明显的扭曲或损坏，每一帧都能达到专业影视级别的水准。生成的风景视频中，天空的蓝色、草地的绿色都非常鲜艳、逼真，画面中的物体边缘清晰，没有模糊或者锯齿的现象。
除了专业的人工评估，团队还利用开源的v-bench进行自动化评估。在vbench10评估中，skyreels v2就像是一个学霸，在总分和质量分上都超过了所有的对比模型，包括一些非常厉害的开源和闭源模型，比如hunyuanvideo-13b和wan21-14b。这就充分证明了skyreels v2在生成高保真、指令对齐的视频内容方面有着非常强大的能力。在具体的评估指标上，如视频的清晰度、色彩还原度、动作流畅度等，skyreels v2都取得了高分，领先于其他模型。
四、skyreels v2有哪些好玩的应用场景？
skyreels v2简直就是长视频创作者的福音。它支持生成理论上无限时长的视频内容，通过滑动窗口方法和稳定化技术，能够保持连贯的叙事。比如说，你想要创作一部电影，只需要把电影的剧情用一系列的叙事文本提示输入到模型里，它就能像一个专业的导演一样，编排出生动、连贯的视觉叙事。不管是复杂的剧情转折，还是精彩的动作场面，它都能轻松应对，让你的电影创作变得更加简单、高效。而且，它生成的视频质量非常高，完全可以达到专业电影制作的水平，说不定以后你就能用skyreels v2制作出一部火爆全球的大片呢！一些独立电影制作人已经开始尝试用skyreels v2来创作电影，大大降低了制作成本和时间。
如果你有一张非常喜欢的图片，想要把它变成一段生动的视频，skyreels v2也能帮你实现。它提供了两种图像到视频生成方法：一种是微调全序列文本到视频架构，