8月11日，昆仑万维正式发布SkyReels-A3模型，基于“DiT（Diffusion Transformer）视频扩散模型+插帧模型进行视频延展+基于强化学习的动作优化+运镜可控”，其能实现任意时长的全模态音频驱动数字人创作。
当前SkyReels-A3模型已上线，欢迎登录SkyReels官网体验：
https://skyworkai.github.io/skyreels-a3.github.io/
SkyReels 官网地址（登录后在左侧导航栏中选择Talking Avatar工具）：
https://www.skyreels.ai/home
SkyReels系列开源模型地址：
https://huggingface.co/Skywork
作为音频驱动（audio-driven）人像视频生成模型，SkyReels-A3就像给任意照片或视频装上“AI声带”：
- 让一张照片“活”起来：上传一张人像图片，再配段语音，照片里的人就能按这段语音开口说话或唱歌；
- 创作一段新的视频：上传一张人像图片、配段语音，再给出文字prompt，照片里的人就能按照要求的状态进行表演；
- 给现有视频“改台词”：可以将原视频的音频换掉，人物会自动对上新的口型、表情和表演，画面依旧连贯。
SkyReels-A3模型在以下四个方向上为用户带来新体验：
- Text Prompt（文本提示词输入）支持画面变化；
- 更自然的动作交互，包括和商品的交互、说话时的手部动作等；
- 运镜的运用和控制更高级，让艺术场景如音乐/MV等拥有更高的艺术美感；
- 可以生成单分镜分钟级别视频，支持长达60秒的输出；多分镜可以支持无限时长。
例如我们输入以下图片、音频和prompt，等待几秒之后，SkyReels-A3即可生成口型、表情、动作都自然同步的视频。
原创文章，作者：feiniu，如若转载，请注明出处：https://www.lrblog.cn/340.html
