---
title: "昆仑万维SkyReels把声音和画面一起生成，短剧制作少一道后期"
date: 2026-11-22
category: AIGC内容
site: 脑机网
canonical: https://aiai.cafe/a/njw-1f68d3
language: zh-CN
---

# 昆仑万维SkyReels把声音和画面一起生成，短剧制作少一道后期

> 两人剧组在出租屋里拍完一场戏，整晚都在为配乐吵架。演员没问题，问题是请不起作曲，素材库里的音乐让这场争吵听起来像香水广告。这正是AI视频公司如今想替创作者搬走的日常瓶颈。

两人剧组在出租屋里拍完一场戏，整晚都在为配乐吵架。演员没问题，问题是请不起作曲，素材库里的音乐让这场争吵听起来像香水广告。这正是AI视频公司如今想替创作者搬走的日常瓶颈。

昆仑万维（Kunlun Wanwei）过去一年把SkyReels从一个片段生成器，做成了接近小型工作室的东西。有意思的不是画面更清楚了，而是声音和故事连贯性被当成同一个问题来处理。

## 关键要点

- SkyReels是昆仑万维的视频创作平台，已陆续发布SkyReels V1到V4、A1到A3一系列模型。
- 方向是音画同出（audio-video co-generation）：画面和声音一起生成，而不是事后配乐。
- 较新的模型接受多张参考帧，包括最多9张关键帧组成的网格图，目的是让角色和场景在短剧（microdrama）里保持连贯。
- 该系列多个模型已开放权重，公司外部开发者可以基于它们继续开发。
- 对小创作者，实际收益是少了几个割裂的工具；对其他人，这是合成视频从演示走向日常内容供给的一个信号。

## 声音为什么改变一切
无声的AI视频只是个派对戏法：一条狗踩滑板的10秒片段，惊艳一次就够。而一段3分钟、带对白、环境音和贴剪辑的音乐的场景连缀，是另一回事。

中国公司正在向这道缺口收敛。据《中国证券报》披露，SkyReels-V4采用双流架构同时生成音频和视频，并加入基于强化学习的运动与镜头控制优化。中新社报道称，该模型于2026年初发布，当时在Artificial Analysis的文本生成带音频视频、图像生成带音频视频榜单上都排在首位。这些是公司和媒体对第三方榜单的说法；榜单每周都变，持久的信号是能力，不是名次。

公司还说，模型可一次生成约15秒的1080p片段，并支持网格图参考（grid image reference）：创作者上传最多9张故事关键帧，模型在它们之间补出连贯运动。这项功能专门瞄准短剧（microdrama）——这种已成为中国重要出口品的短剧集格式，对生成式视频是道难题：角色会漂移、脸会变、房间在镜头之间悄悄重排。

## 模型的阶梯
SkyReels不是一步到位。公司公开材料描述了一条发布阶梯：A系列主攻人像动画和表情驱动，让静态照片动起来、开口说话；V系列从短片段走向更长序列，再走向同步音频。SkyReels-V2于2025年开源，公司称V3在2026年初开放。

这套节奏映出中国业界更普遍的习惯：先发模型、放权重，让开发者社区找出失败案例，再折进下一版。这比封闭实验室独自迭代更快。它也意味着，这些工具有趣的版本，往往早在精致的消费级应用出现前，就以分叉和封装的形式存在。

产品层同样务实。据公司说法，SkyReels网页和移动平台在2025年末重新上线，提供无限画布（infinite canvas），把图像、视频、音乐、数字人（digital humans）和模板放进同一个工作区。它还聚合了外部模型，包括谷歌的Veo、OpenAI的Sora和Runway，而不是要求用户只待在一个模型家族里。这是个耐人寻味的选择：公司押注创作者更在意把作品做完，而不是某一帧由哪个模型生成。

## 小工作室真正得到什么
想象一个自由职业者为本地品牌做60秒宣传片。一年前的流程是一串订阅：分镜一个工具、运动另一个，再加配音库、音乐库、剪辑器。每次交接都会带来风格或节奏上的错位。

一个音画同生成的工具不会取消判断。仍然得有人决定这个镜头行不行、声音配不配品牌、成片是否诚实标明是合成的。它拿掉的是让配乐对齐剪辑点的机械劳动，以及为一版废稿请作曲的成本。对自雇创作者，这是实质变化；对已有后期管线的制片厂，只是小改进。

还有个二阶效应：当生成连贯场景变便宜，稀缺资源就转向剧本和参考素材。能写好一场紧凑戏、并提供一致角色参考的创作者，会比只输入更长提示词的人从工具里拿到更多。这是人的技能，不是算力优势。

## 诚实的局限
本文是技术与产品深度解读，不是性能实测。关于榜单、分辨率、参考帧上限和开放权重的说法，来自中国财经与新闻媒体转述的公司披露；我没有独立把SkyReels与竞品做过基准测试。榜单位置短命，且取决于用哪张榜单、哪一天。本文不评估生成音频商用的许可条款，也不评估合成语音的法律地位，因为这些取决于司法辖区和具体合同。文中不声称合成视频正在取代专业制作。

## 普通人现在能做什么

- 如果你做短视频，挑一场已经用传统方法做过的戏，用一款音画生成工具重做一遍，比较花在对口型上的时间，而不是画面质量。
- 建一份自己的角色参考表：同一个人物和场景的几张一致图片，对连贯性的帮助胜过更长的提示词。
- 发布生成素材前，先查商用许可和任何声音限制，尤其是客户付费的内容。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-1f68d3
本内容仅供参考，不构成投资建议。
