【新智元导读】站在2026年春天回望，Sora浪潮之后，SkyReels V4以四位一体顶级能力（多模态参考+音视频联合生成+统一任务框架+全模态强化学习）登顶全球第一！AI视频创作的大一统时代正式开启。
国产视频生成模型首次站上世界最顶端。
第三方机构 Artificial Analysis 最新榜单显示，SkyReels V4 在「文本生成视频（含音频）」类别中位列全球第一，超越谷歌 Veo 3.1 与 Kuaishou Kling 3.0。
该榜单基于大规模真实用户盲评结果，非厂商自测数据，标志着中国在最具挑战性与商业价值的「文生视频+音频」赛道实现全面领先。
2月27日，SkyReels V4 Preview 首次亮相即获全球第二；不到一个月，V4 正式版登顶第一，完成关键跃迁。
SkyReels V4 不仅性能更强，更正在重构全球视频大模型竞争格局，标志着中国AIGC视频技术正式引领世界。
其API已开放（skyreels.ai），并将于2026中关村论坛正式发布。在「文本到视频（无音频）」单项中亦排名全球第二。
空谈数据不如直击能力。以下六大实测方向，展现全球第一视频AI的硬核实力。
AI短剧之王
SkyReels V4 是全球首个支持多模态输入（文本、图像、视频、音频）、音视频联合生成、统一生成/修复/编辑任务的视频基础模型，正推动昆仑万维天工AI向完整多模态视频系统升级。
AI短剧生成：两张图+一段台词，直出影院级短剧
输入两张角色图与一段台词，SkyReels V4 即可输出 1080p、32FPS、15秒视频，画面质感、角色表情、嘴型同步自然流畅，东西方面孔均表现优异。
雷鸣交加、风沙漫卷，关公秦琼展开史诗对决——从文字构思到音视频成品，零基础即可完成电影级内容创作，“想拍什么，就拍什么”成为现实。
关键突破在于：声音与画面同步生成，而非后期硬贴；人物口型与节奏精准匹配，彻底告别“AI味”。
多帧参考：九张图锁定角色与剧情一致性
支持最多9张关键帧输入，模型据此生成连贯的动作、镜头调度与场景过渡，有效解决长期困扰AI短剧的两大痛点：
- 角色“换脸”——前一秒是尖下巴，后一秒变国字脸；
- 场景跳脱——同一段剧情中突然切换空间背景。
此举大幅提升角色稳定性与叙事连贯性，使AI短剧真正具备“可追剧”品质。
|
|
|
|
提示词示例：「@图片-1的光背青年不断向前奔跑，期间会出现好几个拐角，镜头追踪；随后镜头切换至@图片-2，青年赤裸上半身继续奔跑并急转弯；随后切换至@图片-3，他露出诧异表情；最后切换至@图片-4，他向右拧动转盘，浓烟占据画面。」
此类高精度视频控制能力，配合统一视觉风格，让AI漫剧达到前所未有的自然度。
根据@图片-1动漫情节，按从上到下、从左到右顺序自然过渡生成动画短片。
打斗动作丝滑，特写切换合理；玄幻风格亦轻松驾驭。
一站式视频编辑：用嘴剪视频
SkyReels V4 不仅生成视频，更支持全流程智能编辑，覆盖三大核心能力：
第一类：添加元素
一句话指令即可将指定元素植入视频，如：“把@image_1中的蓝色针织冷帽，加到@video_1中央舞者头上”。各角度适配精准，效果自然逼真。
|
Add the blue ribbed knit beanie from @image_1 onto the head of the central dancer in @video_1.
第二类：重绑定角色动作
可将新角色无缝融入原视频场景，并精准复现/模仿原角色动作，甚至赋予夸张化、风格化演绎。
|
Add the colorful fursuit character from @image_1 into the urban dance scene in @video_1, placing them on the dance floor next to the dancer. The character should mirror the dancer's movements with a playful, exaggerated dance style.
第三类：智能清理
支持去除字幕、水印、台标、路人、动物等任意干扰元素，建立在对视频语义深度理解基础上，无需复杂工具链切换。
过去需在 Premiere、After Effects 及多款AI工具间反复操作的任务，如今由 SkyReels V4 单一模型统一完成。视频生成、补帧、延展、首尾插值、局部与全局编辑，全部收敛至同一通用接口与处理框架。
技术硬突破：为何能登顶全球第一？
SkyReels V4 的跃升并非小修小补，而是系统性攻克视频AI两大长期难题：
破解「画面好看但逻辑不通」
针对物理不合理（如水往天上流）、动作穿帮等现象，模型训练引入「全模态强化学习」机制：不仅评估画面还原度，更同步校验动作合理性、声画同步性及节奏一致性。
- 画面要美，动作要准，声音要对口型、合节奏；
- 任一维度不达标，即触发迭代重训。
团队还采用阶梯式课程强化学习，在分辨率与时长、任务复杂度、数据难度三个维度分阶段推进，持续提升高难度场景生成能力。
终结「角色记不住」
通过九宫格多帧参考机制，模型能稳定锁定角色面部特征、服装细节与场景风格，显著提升整部短剧的角色一致性和叙事连贯性，为AI短剧工业化生产奠定基础。
两项能力共同将视频生成的一致性与可控性推至行业新高度，SkyReels V4 已从“视频生成工具”进化为“短剧工业化生产引擎”。
技术报告已公开：arxiv.org/pdf/2602.21818
直面实践的检验：国产AI版Netflix已落地
技术成果已深度嵌入业务闭环。SkyReels V4 全面支撑昆仑万维旗下短剧平台 DramaWave。
DramaWave：昆仑万维的AI版Netflix
截至2026年1月，以 DramaWave 和 FreeReels 为核心的昆仑短剧平台，MAU 超8000万，年化流水（ARR）达4.8亿美元，月流水稳定在4000万美元以上——均为真实用户付费数据。
平台已上线AI自制剧近千部，月产能超30部；推出「百万美金・剧启 AI」全球创作者扶持计划，并同步上线AI短剧Agent工具 SkyAnime，全面提效。
例如AI短剧《掠夺词条！我转职为亡灵天灾》，依托 SkyAnime 制作，成本不足2万美元，单日投放超10万美元，累计播放量达数百万次，验证“技术→产品→商业化”闭环。
从「片段生成」迈向工业化全链路视频生产
SkyReels V4 解决了AI短剧最核心痛点——角色一致性。九宫格参考让角色贯穿始终，AI短剧品质首次达到“可以认真看”的水平，推动整个AI影视产业实现质的飞跃。
构建音画协同创作底座
昆仑万维同步布局AI音乐平台 Mureka，其O1模型为全球首个引入思维链（CoT）的音乐推理大模型，V8版本在音色、演奏技法与情感表达上持续突破，服务全球百余个国家用户。
SkyReels V4 视频能力 + Mureka 音乐能力，构成从画面到声音、从配乐到人声的全链路AI创作闭环。一家公司同时掌握全球顶尖视频与音乐大模型，属国际罕见。
品牌方一句话生成广告视频、独立音乐人一键生成MV、教育机构自动转化教学视频——这些不再是设想，而是正在规模化落地的应用场景。
All in AGI：昆仑万维的战略级爆发
回顾发展路径，SkyReels 系列演进体现清晰技术战略：
- 2025年2月：开源 SkyReels-V1，中国首个面向AI短剧的视频生成模型，支持33种微表情与400+动作组合；
- 2025年4月：发布 SkyReels-V2，全球首个采用扩散强迫（Diffusion Forcing）框架的无限时长电影生成模型；
- 2026年1月：开源 SkyReels-V3，支持1–4张参考图像输入，实现多主体视频生成；
- 2026年2月：SkyReels-V4 Preview 发布，Artificial Analysis 全球榜第二；
- 2026年3月：SkyReels-V4 正式登顶全球第一。
每代迭代均聚焦补强一个关键短板，平均每3–4个月一次重大升级，节奏远超全球同行。
结合 Mureka 音乐大模型、Skywork 系列多模态推理模型、DramaWave 商业化平台，昆仑万维已建成覆盖「算力—模型—应用」的完整AI生态闭环，践行其自2023年初确立的「All in AGI 与 AIGC」战略。
AI视频创作的「大一统」时刻
从 Sora 引发的第一波浪潮，到 Veo、Kling、Seedance 等百花齐鸣，再到 SkyReels V4 凭借「全模态参考+音视频联合生成+统一任务框架+全模态强化学习」登顶全球——AI视频领域正迎来真正的“大一统”时刻。
创作门槛大幅降低，视频表达权回归大众。SkyReels V4 所代表的“一个模型、一次操作、端到端生成音视频成品”的技术路径，正是通往未来的最清晰通路。
昆仑万维已在技术报告中明确未来三大方向：拓展30秒以上长视频生成能力、增强实时交互式编辑功能、开放API与生态工具深度集成。每一项都将加速AI视频与专业影视制作的融合进程。
AI视频竞赛远未结束，但 SkyReels V4 以全球第一的成绩昭示：来自中国昆仑万维的技术力量，已站上世界之巅。