/ Модель

Характеристики

Базовая модель
HunyuanVideo
Опубликована
17 фев 2025

SkyReels-V1-Hunyuan-I2V

Видео из изображенияИзображение, текст → видео3 профессии

Модель Skywork для генерации кинематографичных видео с людьми из исходного изображения.

660скачиваний за 30 дней281лайквеса обновлены24 фев 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SkyReels-V1-Hunyuan-I2V — модель генерации видео из изображения, разработанная командой Skywork на основе HunyuanVideo и распространяемая в формате Diffusers с весами Safetensors. Модель дообучена на большом наборе высококачественных фрагментов фильмов и телепередач и ориентирована на видео с людьми.

Она предназначена для создания коротких роликов по исходному изображению, с акцентом на естественную мимику, движения людей, композицию и кинематографическое освещение. Заявлены поддержка 33 выражений лица и более 400 сочетаний движений; в карточке указаны разрешение 544×960 пикселей, длина 97 кадров и частота 24 кадра в секунду. README отсылает к отдельному руководству по запуску и кода инференса.

Модель принимает изображение и генерирует видео. Карточка приводит английский язык, однако сценарий image-to-video не требует текстового ввода. Лицензия в предоставленных данных не указана.

Сценарии применения

  • анимация портрета с естественной мимикой
  • создание короткого ролика с человеком по исходному изображению
  • визуализация движений и жестов персонажа
  • создание кинематографичных сцен с людьми из статичного кадра

Ограничения

Карточка не приводит лицензию. Модель ориентирована на сцены с людьми; результаты и заявленные характеристики зависят от входного изображения и условий инференса.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Skyreels V1: Human-Centric Video Foundation Model


This repo contains Diffusers-format model weights for SkyReels V1 Image-to-Video models. You can find the inference code on our github repository SkyReels-V1.

Introduction

SkyReels V1 is the first and most advanced open-source human-centric video foundation model. By fine-tuning HunyuanVideo on O(10M) high-quality film and television clips, Skyreels V1 offers three key advantages:

  1. Open-Source Leadership: Our Text-to-Video model achieves state-of-the-art (SOTA) performance among open-source models, comparable to proprietary models like Kling and Hailuo.
  2. Advanced Facial Animation: Captures 33 distinct facial expressions with over 400 natural movement combinations, accurately reflecting human emotions.
  3. Cinematic Lighting and Aesthetics: Trained on high-quality Hollywood-level film and television data, each generated frame exhibits cinematic quality in composition, actor positioning, and camera angles.

🔑 Key Features

1. Self-Developed Data Cleaning and Annotation Pipeline

Our model is built on a self-developed data cleaning and annotation pipeline, creating a vast dataset of high-quality film, television, and documentary content.

  • Expression Classification: Categorizes human facial expressions into 33 distinct types.
  • Character Spatial Awareness: Utilizes 3D human reconstruction technology to understand spatial relationships between multiple people in a video, enabling film-level character positioning.
  • Action Recognition: Constructs over 400 action semantic units to achieve a precise understanding of human actions.
  • Scene Understanding: Conducts cross-modal correlation analysis of clothing, scenes, and plots.

2. Multi-Stage Image-to-Video Pretraining

Our multi-stage pretraining pipeline, inspired by the HunyuanVideo design, consists of the following stages:

  • Stage 1: Model Domain Transfer Pretraining: We use a large dataset (O(10M) of film and television content) to adapt the text-to-video model to the human-centric video domain.
  • Stage 2: Image-to-Video Model Pretraining: We convert the text-to-video model from Stage 1 into an image-to-video model by adjusting the conv-in parameters. This new model is then pretrained on the same dataset used in Stage 1.
  • Stage 3: High-Quality Fine-Tuning: We fine-tune the image-to-video model on a high-quality subset of the original dataset, ensuring superior performance and quality.

Model Introduction

Model NameResolutionVideo LengthFPSDownload Link
SkyReels-V1-Hunyuan-I2V (Current)544px960p9724🤗 Download
SkyReels-V1-Hunyuan-T2V544px960p9724🤗 Download

Usage

See the Guide for details.

Citation

@misc{SkyReelsV1,
  author = {SkyReels-AI},
  title = {Skyreels V1: Human-Centric Video Foundation Model},
  year = {2025},
  publisher = {Huggingface},
  journal = {Huggingface repository},
  howpublished = {\url{https://huggingface.co/Skywork/Skyreels-V1-Hunyuan-I2V}}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
6d87622

0 моделей