为了实现长视频的高效生成，团队还采用了一种非递减噪声时间表。这个时间表就像是一个精密的时钟，它把连续帧的去噪时间表搜索空间从非常大的O(1e48)大幅降低到O(1e32)。这样一来，模型就能更快速、更准确地生成长视频内容，而且还能保证视频在时间上的连贯性和稳定性。它的工作原理是为每个帧分配独立的噪声水平，然后通过精心设计的噪声调度策略，确保视频序列在生成过程中不会出现错误累积的问题。比如说，它会在前一帧添加轻微的噪声，让生成过程更加稳定，就像在跑步的时候，每一步都迈得很稳，这样就能跑得更远、更久。在实际生成视频时，即使是生成几分钟的长视频，也不会出现画面卡顿、情节不连贯的情况。

（二）创新的训练策略

1. 丰富的数据来源

Skyreels V2之所以这么厉害，离不开它丰富的数据来源。就像一个人要想变得聪明，就得读很多书、学习很多知识一样，模型要想表现出色，也得有大量的数据来训练。

Skyreels V2的训练数据主要来自三个方面：通用数据集，这里面整合了很多高质量的开源资源，像Koala-36M、HumanVid，还有从互联网上爬取的其他视频资源，这些数据就像是一本本百科全书，涵盖了各种各样的场景和动作，为模型提供了广泛的基础视频素材；自收集媒体，这可是一个超级大的影视资源库，里面有280,000多部电影和800,000多集电视剧，覆盖了120多个国家，总时长超过620万小时，这些丰富的影视内容让模型学习到了各种电影风格和叙事结构；艺术资源库，这里面的视频都是从互联网上精选出来的高质量视频资产，它们的视觉质量都达到了专业标准，就像一个个艺术珍品，让模型能够生成高质量的视频内容。通过这些丰富的数据训练，Skyreels V2对各种场景和风格都有了深刻的理解，能够生成出更加多样化和高质量的视频。

2. 渐进式分辨率预训练与多阶段后训练优化

这章没有结束，请点击下一页继续阅读！

Skyreels V2的训练过程就像是一场精心策划的马拉松比赛，分为好几个阶段，每个阶段都有不同的目标和任务。

首先是渐进式分辨率预训练，这就像是马拉松比赛的热身阶段。模型会从低分辨率的视频数据开始训练，逐渐提高分辨率，这样可以让模型更好地学习视频的基本特征和规律，就像运动员在热身的时候，先慢慢地活动身体，适应运动的节奏。从低分辨率开始训练，模型可以先掌握视频的大致结构和基本元素，随着分辨率的提高，再逐渐学习到更精细的细节。

然后是四阶段的后训练增强：

- 初始概念平衡的监督微调（SFT）：这个阶段就像是给模型打基础，通过概念平衡的数据集进行微调，让模型对各种概念有更准确的理解，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？

（一）专业评估表现优异

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。

（二）自动化评估成绩突出