SkyReels V4 est le modèle unifié de génération vidéo-audio de Skywork AI. Un rendu SkyReels V4 produit un clip 1080p de 15 secondes à 32 FPS avec un audio temporellement aligné. Les entrées couvrent texte, images, vidéo, masques et références audio.
Le modèle vidéo-audio à double flux de Skywork avec inpainting et édition natifs
SkyReels V4 est le premier modèle unifié de génération vidéo-audio de Skywork AI, sorti le 2026-02-25. L'architecture est un Multimodal Diffusion Transformer (MMDiT) à double flux : une branche synthétise la vidéo, l'autre génère l'audio temporellement aligné, les deux partageant un encodeur de texte basé sur un MLLM. Une génération SkyReels V4 accepte texte, images, clips vidéo, masques et références audio — couvrant texte vers vidéo, image vers vidéo, inpainting et édition dans un seul pipeline. La sortie plafonne à 1080p, 32 FPS, 15 secondes par rendu.
SkyReels V4 produit jusqu'à 1080p à 32 FPS — un mouvement plus fluide que les 24/30 FPS habituels de la plupart des modèles texte vers vidéo.
Un seul rendu SkyReels V4 produit un clip de 15 secondes — assez long pour une ouverture ou un plan de B-roll sans chaînage.
SkyReels V4 génère l'audio dans le même rendu, synchronisé avec l'action à l'écran — sans passe de Foley séparée.
Texte, images, clips vidéo, masques et références audio — SkyReels V4 lit les cinq modalités dans un seul prompt.
Masquez une zone, décrivez le changement. SkyReels V4 le remplit en préservant le reste de l'image et le lit audio.
Passez un clip existant avec une instruction — SkyReels V4 édite vidéo et audio ensemble, et une édition SkyReels V4 ne nécessite aucun outil externe.
SkyReels V4 — texte en entrée, 15s de vidéo 1080p et audio synchronisé en sortie.
Vous décrivez la scène ; SkyReels V4 la lit et génère un clip 1080p de 15 secondes à 32 FPS avec audio temporellement aligné. Un seul rendu SkyReels V4, un seul pipeline, aucune passe audio séparée.
Texte + images + vidéo + masques + audio — un prompt SkyReels V4 lit l'ensemble.
Glissez une image de référence pour fixer un personnage, un clip existant à étendre, un masque pour localiser une édition, ou un clip audio pour caler la bande-son. SkyReels V4 prend tout le bundle multimodal en un seul appel SkyReels V4.
SkyReels V4 couvre texte vers vidéo, image vers vidéo, inpainting et édition dans un seul pipeline.
Les modèles vidéo précédents ne géneraient qu'à partir de zéro. SkyReels V4 accepte aussi un clip existant accompagné d'un masque ou d'une instruction, puis édite vidéo et audio ensemble — changement de personnage, correction d'arrière-plan, superposition audio, le tout sans quitter SkyReels V4.
L'architecture à double flux signifie que l'audio SkyReels V4 est aligné temporellement avec les images au niveau du modèle.
L'architecture MMDiT de SkyReels V4 comporte deux branches : une pour la vidéo, une pour l'audio, les deux partageant l'encodeur de texte. Effet pratique : le lit audio SkyReels V4 colle à l'action — les pas frappent au contact, les dialogues sont en lip-sync, les ambiances suivent le montage.
SkyReels V4 comprend le vocabulaire de plateau — travelling, grue, optique, lumière, étalonnage.
Briefez le clip comme vous briefez un directeur de la photo. Nommez l'optique, le mouvement, la lumière clé et de contre-jour, l'ambiance, l'audio. Un prompt SkyReels V4 bien écrit atterrit plus près d'un plan préparé que d'une roulette de re-renders SkyReels V4.
Huit clips — chaque légende est un prompt SkyReels V4 réutilisable
Spécifications vérifiées sur la page officielle de chaque éditeur — aucun chiffre tiers.
| Capacité | SkyReels V4 | Veo 3.1 | Seedance 2.0 | Sora 2 |
|---|---|---|---|---|
| Durée maximale du clip | 15 secondes | 8s de base ; jusqu'à 148s via Scene Extension | 15 secondes (multi-plans) | Jusqu'à 12s (API Sora 2) |
| Résolution / FPS | Jusqu'à 1080p / 32 FPS | Jusqu'à 4K en upscale | Non spécifié officiellement | Jusqu'à 720p (Sora 2) |
| Audio dans le rendu | Oui, temporellement aligné | Oui, 48 kHz natif | Oui, double canal | Oui, audio synchronisé |
| Modalités d'entrée | Texte, image, vidéo, masque, audio | Texte, image | Texte, image, audio, vidéo | Texte, image |
| Inpainting + édition | Oui, natif (masque + instruction) | Non documenté | Non documenté | Non documenté |
| Date de sortie | 2026-02-25 (Skywork AI) | 2026-01-13 (Google DeepMind) | 2026-02-12 (ByteDance Seed) | 2025 (OpenAI) |
Quatre habitudes qui séparent les rushes utilisables du bruit à re-render
Nommez le sujet, le mouvement caméra, l'optique, la lumière, l'ambiance et l'audio dans un seul prompt SkyReels V4. Un rendu SkyReels V4 reflète ce que vous lui donnez.
16:9 pour YouTube, 9:16 pour Reels, 1:1 pour les fils. Réglez les deux avant d'envoyer à SkyReels V4 — SkyReels V4 plafonne à 15s par rendu.
Passez une image de référence quand un personnage ou un produit doit rester identique d'un plan à l'autre. SkyReels V4 lit images, vidéo, masques et audio ensemble.
Dites ce que vous voulez entendre — « pluie ambiante », « lofi entraînant », « deux amis qui rient ». SkyReels V4 livre l'audio dans le même rendu.
Chaque modèle vidéo a ses points forts — réalisme, vitesse, style, coût
Ce que les utilisateurs demandent vraiment avant leur premier rendu SkyReels V4
Gratuit. Sans carte bancaire. 15s de vidéo 1080p avec audio temporellement aligné. Essayez SkyReels V4 sur ZorqAI ci-dessus.
