3步跑通SkyReels-V2：本地无限长视频生成实战指南

3步跑通SkyReels-V2：本地无限长视频生成实战指南

【免费下载链接】SkyReels-V2SkyReels-V2: Infinite-length Film Generative model项目地址: https://gitcode.com/GitHub_Trending/sk/SkyReels-V2

SkyReels-V2 是一个基于 Diffusion Forcing 架构的开源无限长度视频生成模型，支持文本转视频、图像转视频与长视频续写三类任务。读完本文，你可以完成环境安装、模型权重下载，并在本地生成 4 秒到 60 秒的视频，同时知道结果不理想时该调哪些参数。

项目概览：它是什么，适合谁用

SkyReels-V2 采用 Diffusion Forcing（扩散强制）方式训练视频模型。用大白话说：模型生成视频时对每一帧单独控制去噪程度，已经生成干净的帧可以作为条件，引导模型继续往后生成新帧，因此视频长度不再被限制在几秒钟。

仓库里包含三块内容：

• 推理代码与模型权重：Diffusion Forcing（DF，长视频）、文本转视频（T2V）、图像转视频（I2V）四个系列，提供 1.3B 与 14B 两种参数规模、540P 与 720P 两种分辨率，DF 系列同时支持文生视频和图生视频
• 两个推理入口脚本：generate_video.py 负责 T2V/I2V，generate_video_df.py 负责长视频生成、视频续写和首尾帧控制
• 结构化视频描述模型 SkyCaptioner-V1：位于 skycaptioner_v1/ 目录，能把视频转成包含镜头类型、镜头运动、主体信息等的结构化描述，适合用来产出更精准的提示词

显存参考：540P 视频生成时，1.3B 模型峰值约14.7GB，14B 模型约43~51GB（视任务而定）。如果你是第一次接触视频生成模型，建议从 1.3B + 540P 起步；显存 48GB 以上且追求画质的，可以直接上 14B。

环境安装与首次出片最短路径

先克隆仓库并安装依赖，官方测试环境是 Python 3.10、CUDA 12.2：

git clone https://gitcode.com/GitHub_Trending/sk/SkyReels-V2 cd SkyReels-V2 pip install -r requirements.txt

接下来用 1.3B 的 DF 模型跑第一个视频。脚本会自动下载模型权重（首次运行稍慢），97 帧在 24fps 下约 4 秒，结果保存在result/目录下：

python3 generate_video_df.py \ --model_id Skywork/SkyReels-V2-DF-1.3B-540P \ --resolution 540P \ --base_num_frames 97 \ --num_frames 97 \ --prompt "A white swan swimming in a quiet lake at dawn, mist rising from the water surface." \ --offload

命令跑完、result/里出现 mp4 并可以正常播放，就说明环境没问题。后续换成 720P 或 14B 模型时，除--model_id和--resolution外，720P 还需把--base_num_frames改为 121。

文本转视频与图像转视频

这两个任务都由 generate_video.py 完成，区别只在于是否传入--image参数。

文本转视频：只需一句文字描述

输入是提示词，输出是一段 97 帧（约 4 秒）的视频。T2V 模型推荐--guidance_scale 6.0 --shift 8.0：

python3 generate_video.py \ --model_id Skywork/SkyReels-V2-T2V-14B-540P \ --resolution 540P \ --num_frames 97 \ --guidance_scale 6.0 \ --shift 8.0 \ --prompt "A serene lake surrounded by towering mountains, swans gliding across the water, sunlight dancing on the surface." \ --offload

图像转视频：让静态照片动起来

加上--image并把模型换成 I2V 系列即可，脚本会自动把输入图缩放到 544x960（竖图会自动转成 960x544 横版）。I2V 模型推荐--guidance_scale 5.0 --shift 5.0：

python3 generate_video.py \ --model_id Skywork/SkyReels-V2-I2V-14B-540P \ --resolution 540P \ --num_frames 97 \ --image your_image.png \ --guidance_scale 5.0 \ --shift 5.0 \ --prompt "Camera slowly pushes in, the person in the image smiles and turns toward the camera." \ --offload

提示词里最好包含对输入图像内容的描述，这样首帧与后续画面的一致性会更好。

扩展视频长度：长视频生成、续写与首尾帧控制

这些能力都在 generate_video_df.py 中，使用 DF 系列模型。

从零生成 10~60 秒视频

长视频需要额外设置两个参数：--overlap_history 17（相邻生成片段的重叠帧数，保证衔接平滑）和--num_frames（总帧数）。官方建议值：10 秒约 257 帧、15 秒约 377 帧、30 秒约 737 帧、60 秒约 1457 帧。同时建议加--addnoise_condition 20，它对已生成的干净条件加少量噪声，能抑制长程漂移：

python3 generate_video_df.py \ --model_id Skywork/SkyReels-V2-DF-1.3B-540P \ --resolution 540P \ --ar_step 0 \ --base_num_frames 97 \ --num_frames 257 \ --overlap_history 17 \ --addnoise_condition 20 \ --prompt "A white swan swimming in a quiet lake at dawn." \ --offload

官方实验表明异步推理（--ar_step 5 --causal_block_size 5）对指令遵循和画面一致性更好，代价是速度比同步模式慢，可以按需尝试。

在已有视频上续写

通过--video_path传入要续写的视频，此时--num_frames表示"续写"的帧数，总长度等于输入视频帧数加上它。输入视频不能短于--overlap_history的值：

python3 generate_video_df.py \ --model_id Skywork/SkyReels-V2-DF-1.3B-540P \ --resolution 540P \ --ar_step 0 \ --base_num_frames 97 \ --num_frames 120 \ --overlap_history 17 \ --addnoise_condition 20 \ --video_path input_video.mp4 \ --prompt "The swan continues swimming across the lake, the camera pans slowly." \ --offload

控制第一帧和最后一帧

同时传--image与--end_image，模型会生成一段从首帧画面过渡到尾帧画面的视频：

python3 generate_video_df.py \ --model_id Skywork/SkyReels-V2-DF-1.3B-540P \ --resolution 540P \ --base_num_frames 97 \ --num_frames 97 \ --overlap_history 17 \ --image start.png \ --end_image end.png \ --prompt "Camera flies over the mountain, moving from a close-up of trees to a wide view of the valley." \ --offload

生成参数调节与常见坑处理

这里只挑对结果影响最大的参数，完整说明见 README.md 的参数表。

• --num_frames：视频总帧数。97（540P）或 121（720P）是单个基础段；长视频优先用 257/377/737/1457 这组与训练设置对齐的推荐值
• --base_num_frames：每次生成的块大小。显存不够时可以降到 77 或 57，画质会有轻微下降
• --guidance_scale与--shift：控制对提示词的遵循强度。T2V 用 6.0/8.0，I2V 用 5.0/5.0；画面没按提示词走就调高 guidance_scale，画面出现畸变就调低
• --overlap_history：长视频片段重叠帧数，17 为首选，也可以试 37
• --addnoise_condition：长视频一致性，推荐 20；超过 60 脚本会给出警告，官方建议不超过 50
• --seed：固定种子可复现结果；多 GPU 模式下必须指定
• --teacache+--use_ret_steps：推理加速，约 2~3 倍，--teacache_thresh越大加速越明显、画质损失也越大

几个新手高频问题：

• 显存不足（CUDA OOM）：换 1.3B 模型、加--offload、把--base_num_frames降到 77 或 57
• 生成太慢：加--teacache --use_ret_steps --teacache_thresh 0.2；有多卡时改用torchrun --nproc_per_node=2 generate_video_df.py ... --use_usp --seed 42走 xDiT 多卡加速
• 长视频画面漂移、前后不一致：确认--overlap_history 17和--addnoise_condition 20都设置了，仍不理想可换异步推理
• 提示词太短、生成内容单薄：加--prompt_enhancer用大模型把短提示词扩写成详细描述，注意它需要 64GB 以上显存，且不能与--use_usp同时使用

继续探索：源码入口与相关模块

• skyreels_v2_infer/pipelines/：四条管线的实现，长视频生成逻辑在 diffusion_forcing_pipeline.py，提示词扩写脚本 prompt_enhancer.py 也在这里
• skyreels_v2_infer/modules/：transformer、VAE、注意力等核心组件；多卡并行在 skyreels_v2_infer/distributed/
• skycaptioner_v1/：结构化视频描述模型，含 vllm 批量推理与 Gradio 演示脚本，examples/ 下有示例视频，用法详见 skycaptioner_v1/README.md

如果你已经在用 diffusers（一个流行的扩散模型开源库）做项目，README 里提供了 T2V、I2V、视频续写的 Python 接口示例，可以直接加载 SkyReels-V2 的 Diffusers 格式权重，不必依赖仓库里的命令行脚本。

【免费下载链接】SkyReels-V2SkyReels-V2: Infinite-length Film Generative model项目地址: https://gitcode.com/GitHub_Trending/sk/SkyReels-V2