新智元报道
编辑：犀牛 Aeneas
【新智元导读】当Seedance 2.0刷屏全网时，，，，，，一匹中国黑马已悄然冲上全球AI视频榜第二。。 。。。。。昆仑天工SkyReels-V4强势杀入顶级牌桌，，，，，，多模态输入、音画同步直出影院级大片，，，，，，实力惊艳轶群！
最近，，，，，，全球AI圈风头最盛的模子当属Seedance 2.0了。。 。。。。。
模子一出，，，，，，瞬间引爆全网。。 。。。。。
就当所有人的眼光都聚焦在Seedance 2.0的狂欢与争议上时，，，，，，一匹黑马已悄然杀入了全球AI榜单的顶级牌桌。。 。。。。。
就在刚刚，，，，，，Artificial Analysis更新了文本到视频（含音频）全球榜单。。 。。。。。
在这份由OpenAI、Google、Anthropic等头部AI公司配合认可的权威排行榜上，，，，，，一个来自中国的名字突入了最前线：
昆仑天工SkyReels-V4，，，，，，全球现役模子排名第2，，，，，，历史所有模子排名第4！
Artificial Analysis 榜单： https://artificialanalysis.ai/video/leaderboard/text-to-video?audio-output=true
在这个汇聚了Veo 3.1、Sora 2、Kling 3.0、Wan 2.6等全球顶尖选手的竞技场上，，，，，，SkyReels-V4以实打实的手艺硬实力，，，，，，一举逾越了绝大大都明星产品。。 。。。。。
这不是一次无意的惊艳亮相，，，，，，而是昆仑天工在 AI 视频大模子领域厚积薄发的一次集中爆发。。 。。。。。
先看效果
SkyReels-V4 究竟能做什么？ ？？？？？？
空谈数据，，，，，，不如直接看能力。。 。。。。。
SkyReels-V4的野心远不止于「天生一段悦目的视频」。。 。。。。。
它想要做的，，，，，，是成为全球首个同时支持多模态输入、团结音视频天生、统一天生/修复/编辑使命的视频基础模子。。 。。。。。
举几个直观的例子。。 。。。。。
好比现在最火的短剧。。 。。。。。只需要两个角色图片，，，，，，以及角色的台词即可。。 。。。。。
输入SkyReels-V4后，，，，，，它直接就天生了一段1080p、32FPS、15秒的影院级视频。。 。。。。。
这个效果，，，，，，已经基本上没啥AI味了。。 。。。。。
歪果仁也没问题。。 。。。。。
不得不说，，，，，，真的很难看出是AI天生的。。 。。。。。
同时给多个参考图像和音频输入，，，，，，三个角色划分是一只黑猫、一只澳大利亚牧牛犬和一只棕熊。。 。。。。。
仔细看，，，，，，画面和声音完全对得上，，，，，，节奏卡得基准，，，，，，嘴型都严丝合缝，，，，，，挑不出误差。。 。。。。。
SkyReels-V4最让人眼前一亮的能力，，，，，，就是让你拥有多模态参考的创作自由。。 。。。。。
假设你手头有两张角色设计图、一段舞蹈行动的参考视频，，，，，，你可以把这三者同时丢给SkyReels-V4，，，，，，它会忠实地用两张图像的角色外观，，，，，，执行视频中的舞蹈行动，，，，，，配合音频的节奏律动，，，，，，天生一段全新的、高质量的视频作品。。 。。。。。
这种跨模态的精准融合控制能力，，，，，，在目今的视频大模子中险些是唯一份。。 。。。。。
好比这段经典影戏稚裥女演员随音乐起舞的视频，，，，，，质感极其惊艳。。 。。。。。
舞蹈演员换成边牧和英短，，，，，，效果也是同样自然。。 。。。。。
可以说，，，，，，SkyReels-V4真正做到了角色一致性、高质量行动天生、精准音画同步、影戏级的视觉泛起，，，，，，险些可以直接用于商业级展示。。 。。。。。
首帧参考功效，，，，，，可以让它的多模态控制更为无邪。。 。。。。。
输入以下首帧，，，，，，我们就划分获得了喝咖啡的戎马俑、拉小提琴的陶俑和打排球的labubu。。 。。。。。
运动参考功效，，，，，，可以把舞蹈的舞者一键换成动漫角色，，，，，，行动绝对一致。。 。。。。。
另外，，，，，，SkyReels-V4的一站式全流程修复编辑功效，，，，，，也是好用到爆。。 。。。。。
若是视频中有个碍眼的水印，，，，，，可 以直接去掉。。 。。。。。
一句prompt，，，，，，就能去掉短剧中的特定人物，，，，，，好比下面镜头中穿旗袍和穿红裙的女演员。。 。。。。。
角色的衣服不知足？ ？？？？？？直接一键修改。。 。。。。。好比这位举杠铃的老人，，，，，，白背心一键被酿成了蓝色T恤，，，，，，画面自然得看不出改动痕迹。。 。。。。。
甚至，，，，，，你可以把整个视频的气概从写实一键切换到乐高积木风。。 。。。。。
古装剧这种写实、厚重的影像气概，，，，，，都能瞬间酿成充满童趣和创意的视觉表达，，，，，，并且行动、镜头调理和剧情节奏依然保存，，，，，，气概迁徙完成度惊人。。 。。。。。
也就是说，，，，，，以后创作者再也不会被简单美术气概绑定，，，，，，统一段内容，，，，，，可以凭证商业需求快速切换视觉语言，，，，，，在史诗、卡通动画、积木玩具风之间往返切换。。 。。。。。
这就翻开了IP二次创作和品牌联名的空间，，，，，，让内容的商业想象力空间暴涨。。 。。。。。
SkyReels-V4还能帮我们把静态的镜头，，，，，，酿成影戏级的推拉摇移。。 。。。。。
原本只是一个男子坐在原地抛着橘子，，，，，，画面像监控一样静止、没有升沉。。 。。。。。
但加入镜头语言后，，，，，，原本静态的纪录画面，，，，，，一下子就有了呼吸感，，，，，，被转化为极有叙事张力和节奏设计的影戏级运镜。。 。。。。。
更利便的是，，，，，，已往你需要在Premiere、AE、种种AI工具之间反竿迫椿才华完成的事情。。 。。。。。
现在，，，，，，SkyReels-V4一个模子就能所有搞定了。。 。。。。。
三大立异突破行业天花板
SkyReels-V4 的强悍体现背后，，，，，，是三项要害手艺突破。。 。。。。。
手艺报告入口： https://arxiv.org/pdf/2602.21818
第一，，，，，，双流 MMDiT 架构——让音视频真正「合为一体」。。 。。。。。
目今主流的视频天生模子在处置惩罚音频时，，，，，，普遍接纳「先天生视频，，，，，，再后贴音频」的浅层融合计划，，，，，，这种做法导致的效果就是音画差别步、唇形对不上、音效跟画面割裂。。 。。。。。
SkyReels-V4 彻底换了一种思绪。。 。。。。。
它接纳对称双流架构设计：视频和音频各有一条自力的处置惩罚分支，，，，，，但两条分支共享统一个文本编码器，，，，，，并通过双向跨注重力机制在整个网络的所有层级上实现深度交互。。 。。。。。
简朴来说，，，，，，视频在天生的每一步都在「听」音频在做什么，，，，，，音频在天生的每一步都在「看」视频在做什么——它们不是各干各的、最后拼在一起，，，，，，而是从一最先就在相互指导、协同生长。。 。。。。。
为相识决音频和视频在时间标准上的自然不匹配问题（视频是一帧一帧的，，，，，，音频是一连波形的），，，，，，团队还立异性地使用了RoPE频率缩松手艺，，，，，，将音频的位置编码频率准确地调解为与视频帧率相匹配的比例，，，，，，实现了毫秒级的时间对齐精度。。 。。。。。
这就是为什么SkyReels-V4的唇形同步能做到云云的准确率——由于音视频从天生气制的底层就是绑定的。。 。。。。。
第二，，，，，，统一拼接框架——一个模子，，，，，，包办所有视频操作。。 。。。。。
古板的视频AI工具链是碎片化的：文生视频用一个模子，，，，，，图生视频用另一个，，，，，，视频修复用第三个，，，，，，气概迁徙用第四个……每切换一个工具，，，，，，都意味着上下文信息的丧失和创作流程的断裂。。 。。。。。
SkyReels-V4提出了一个精巧的「通道拼接+时序拼接」双维统一范式。。 。。。。。
它的焦点头脑是：无论你想做什么使命——文字天生视频、图片天生视频、视频延展、区域修复、气概迁徙、物体移除——实质上都可以被转化为「给定某些已知条件，，，，，，天生未知区域」的修复问题。。 。。。。。
通过一组无邪的输入组件，，，，，，模子只需要调解掩码设置就能在差别使命间无缝切换。。 。。。。。
好比文生视频时掩码全为0（完全从零天生），，，，，，图生视频时只有首帧掩码为1（锁定参考图，，，，，，续写后续画面），，，，，，视频编辑时保存区域掩码为1、编辑区域掩码为0（只改你想改的部分）。。 。。。。。
这种设计的优雅之处在于：用户不需要体贴底层在挪用哪个功效�？ ？？？？？？�，，，，，，只需要告诉模子「我想要什么」，，，，，，模子自己就能明确并执行。。 。。。。。
它让专业级视频创作从「工具链操作」酿成了「意图表达」。。 。。。。。
第三，，，，，，高效天生战略——在质量和速率之间找到最优解。。 。。。。。
1080p区分率、32FPS帧率、15秒时长——这个规格参数放在一年前，，，，，，光是盘算量就足以劝退大大都研究团队。。 。。。。。
SkyReels-V4的工程团队设计了一套巧妙的「低区分率全序列 + 高区分率要害帧」团结天生战略：模子先快速天生低区分率的完整视频和高区分率的要害帧，，，，，，再通过专门的超区分率和帧插值�？ ？？？？？？橹毓棺钪盏母咧柿渴悠�。。 。。。。。
配合自研的视频希罕注重力（VSA）机制，，，，，，注重力盘算本钱降低了约3倍，，，，，，让影院级规格的视频天生真正具备了适用价值。。 。。。。。
别的，，，，，，模子还接纳了多阶段渐进式训练战略——从256px的文本到图像预训练起步，，，，，，逐步扩展到480p、720p、1080p的多区分率训练，，，，，，最后通过大规模多模态数据和精选高质量数据的微调举行精打细磨。。 。。。。。
这种「由粗到精」的训练路径，，，，，，确保了模子在每个区分率品级上都有扎实的基础能力。。 。。。。。
视频+音乐
未来市场爆发的金矿
SkyReels-V4 并不是一个伶仃的产品——它是昆仑天工「全模态 AI 创作生态」拼图中的要害一块。。 。。。。。
昆仑天工旗下尚有一个同样在全球市场打作声量的产品：AI 音乐创作平台 Mureka。。 。。。。。
Mureka O1 是全球首个引入 CoT（头脑链）手艺的音乐推理大模子，，，，，，在音乐创作质量上周全逾越了 Suno 等竞品，，，，，，登顶 SOTA。。 。。。。。
最新的 Mureka V8 在音色、演奏技法、情绪表达上一连突破，，，，，，用户遍布全球 100 多个国家和地区。。 。。。。。
当我们把 SkyReels-V4 的视频天生能力和 Mureka 的音乐创作能力放在一起看，，，，，，一个重大的想象空间翻开了：一家公司同时拥有全球顶尖的视频大模子和音乐大模子，，，，，，从画面到声音、从配乐到人声、从特效到情绪表达，，，，，，全链路买通。。 。。。。。
这意味着一个品牌方可以用一句话形貌自己想要的广告创意，，，，，，从画面、配乐、旁白到音效，，，，，，一站式天生完整的视频广告。。 。。。。。
一个自力音乐人可以把自己创作的歌是曲接酿成高质量MV，，，，，，不需要再破费数万元请拍摄团队。。 。。。。。
一个教育机构可以把课程内容自动转化为配有解说语音、配景音乐和动态画面的教学视频。。 。。。。。
在目今的 AI 市场上，，，，，，同时在视频和音乐两个赛道都抵达全球领先水平的玩家，，，，，，屈指可数。。 。。。。。
可以说，，，，，，视频+音乐的未来市场，，，，，，是一座亟待爆发的金矿。。 。。。。。
外洋大厂已经纷纷下手，，，，，，好比谷歌推出的Veo 3与Flow工具链，，，，，，能同时天生视觉内容与音乐轨道，，，，，，甚至整段视频和声音都能按需天生，，，，，，直接就能一站式创作短片。。 。。。。。
Adobe在Firefly中新增了AI Soundtrack与AI Voice-over天生器，，，，，，可以凭证视频气概自动天生配景音乐，，，，，，由此，，，，，，广告视频可以自动配乐，，，，，，影视预告片可以快速做出Demo。。 。。。。。
美国AI语音/音乐公司ElevenLabs宣布了与著名音乐人相助的AI天生项目，，，，，，同时妄想团结视频和音乐创作。。 。。。。。
实质上，，，，，，这条蹊径也是视频+音乐创意协同天生的未来偏向。。 。。。。。
ElevenLabs的最新项目：Liza Minnelli和Art Garfunkel
现在，，，，，，这些大厂实验的路径，，，，，，昆仑万维已经完善复现！
SkyReels-V4的泛起，，，，，，恰逢其时
昆仑天工的手艺报告已经明确展示，，，，，，SkyReels-V4和Mureka之间的手艺协同已经在现实产品中落地——此前宣布的全网首支AI音乐人MV，，，，，，音乐由Mureka天生，，，，，，视频由SkyReels手艺支持，，，，，，就是这种全模态能力的一次预演。。 。。。。。
巧合的是，，，，，，AI视频天生市场正处于一个玄妙的转折点。。 。。。。。
Seedance 2.0的横空出生毫无疑问搅动了整个行业，，，，，，冯骥称其「Kill the game」，，，，，，影视飓风的Tim连呼六次「恐怖」，，，，，，外洋社交平台上一码难求。。 。。。。。
但硬币的另一面是：Seedance 2.0在爆红的同时迅速遭遇了风控收紧，，，，，，大宗被Seedance 2.0惊艳效果吸引、但因风控收紧的创作者，，，，，，正在起劲寻找替换计划。。 。。。。。
SkyReels-V4恰幸亏这个时间窗口，，，，，，交出了一份足够硬核的效果单。。 。。。。。
更主要的是，，，，，，SkyReels-V4 的「全模态参考」能力——支持文本、图像、视频、掩码、音频等多种输入组合——在功效笼罩度上甚至比Seedance 2.0更为周全。。 。。。。。
关于那些需要稳固、专业、全流程视频创作能力的用户来说，，，，，，SkyReels-V4 提供了一个值得认真思量的选择。。 。。。。。
虽然，，，，，，AI视频天生是一个百花齐放的赛道，，，，，，每个模子都有自己的优势和适用场景。。 。。。。。
但SkyReels-V4用这次榜单效果证实晰一件事：在这场全球竞技中，，，，，，中国AI视频手艺不但有一个选项。。 。。。。。
一连迭代的恒久主义
回首昆仑天工在视频大模子领域的生长轨迹，，，，，，你会发明SkyReels-V4的崛起绝非无意。。 。。。。。
2025年2月，，，，，，开源SkyReels-V1——中国首个面向AI短剧创作的视频天生模子，，，，，，基于万万级级影视数据训练，，，，，，支持 33 种微心情和 400 多种行动组合。。 。。。。。
2025年4月，，，，，，宣布SkyReels-V2——全球首个使用扩散强迫（Diffusion Forcing）框架的无限时长影戏天生模子，，，，，，在VBench1.0评测中拿下开源最高分。。 。。。。。
2026年1月，，，，，，开源SkyReels-V3——新一代多模态视频天生系统，，，，，，支持1-4 张参考图像输入，，，，，，实现多主体视频天生、音频驱动和视频到视频天生。。 。。。。。
2026年2月，，，，，，SkyReels-V4宣布——全球首个同时支持多模态输入、团结音视频天生、统一全场景使命的视频基础模子，，，，，，Artificial Analysis全球榜 TOP2。。 。。。。。
从 V1 到 V4，，，，，，每一代的迭代都不是简朴的参数堆叠，，，，，，而是架构层面的立异突破。。 。。。。。
V1 解决了影视级质感的问题，，，，，，V2 攻克了无限时永天生的难题，，，，，，V3 引入了多模态参考能力，，，，，，V4 则实现了音视频团结天生和全场景统一框架的最终整合。。 。。。。。
这种一连立异迭代的节奏，，，，，，配合 Mureka 在 AI 音乐领域的领先职位、Skywork 系列在大语言模子和多模态推理上的突破、以及 DramaWave 短剧平台的商业化落地，，，，，，昆仑天工正在构建一个笼罩「算力—模子—应用」的完整 AI 生态闭环。。 。。。。。
AI 视频创作的
「大一统」时刻正在到来
站在2026年头回望，，，，，，AI视频天生领域在已往一年履历了排山倒海的转变。。 。。。。。
从Sora掀起的第一海浪潮，，，，，，到Veo、Kling、Seedance等模子的百家争鸣，，，，，，再到SkyReels-V4以「全模态参考+音视频团结天生+统一使命框架」的三位一体能力冲上全球榜单前线——我们正在见证一个新时代的开启。。 。。。。。
在这个时代里，，，，，，视频创作不再是专业团队的专属特权，，，，，，而是每一个有创意的人都能触及的表达方法。。 。。。。。
而SkyReels-V4所代表的手艺偏向——用一个模子、一次操作，，，，，，完成从文字构想到音视频制品的全流程创作——正是通往谁人未来的最清晰路径。。 。。。。。
昆仑天工在手艺报告中透露了未来三大偏向：扩展更长时长（30 秒+）的视频天生能力、增强实时交互编辑功效、开放模子API接口与更多创作工具生态集成。。 。。。。。
这些偏向中的每一个，，，，，，都将进一步拉近AI视频创作与专业影视制作之间的距离。。 。。。。。
AI 视频的竞赛远未竣事，，，，，，但华铸重工有限公司SkyReels-V4已经用全球TOP2的效果证实：在这条赛道上，，，，，，来自中国昆仑天工的声音，，，，，，值得全天下谛听。。 。。。。。