AI视频生成中，保持角色或产品的一致性一直是个难题。SkyReel V3推出的多图参考功能，通过精准复现多张图片中的细节，为这一难题提供了有效的解决方案。本文将深入拆解其工作流与实战效果，展示如何利用该技术实现高一致性的视频创作。
智能速览
SkyReel V3支持多图参考，能精准复现人物、产品及场景细节。
模型内置加速方案，仅需4步采样即可快速生成视频，约24秒。
实测显示人物面部、服装一致性极高，但产品尺寸透视关系需手动调整。
工作流核心节点在于图层裁剪，需注意宽高比设置避免关键特征丢失。
该模型基于万象2.1，未来还将支持音视频和视频生视频功能。
精华内容
想知道AI视频如何像专业导演一样控制每个角色和道具吗？SkyReel V3的多图参考功能或许就是答案，下面通过具体案例来解析其强大能力。
多人物精准复现
在多人物视频生成测试中，上传一男一女两张参考图，并输入提示词“图一的男生抱着图二的女生坐在沙发上，男生拿起一个茶杯递给女生”。生成的视频中，两位角色的面部特征、服装、发型与参考图的一致性极高，动作与指令完全吻合。
模型不仅复现了人物，还保留了参考图中的沙发，并智能生成了树木花草等背景。这表明其在处理复杂多角色互动场景时，具备强大的细节捕捉和一致性保持能力。
产品与场景融合
该功能同样适用于产品展示。测试将人物与毛绒玩具结合，生成的视频能完美还原玩具的外观，但其透视关系和尺寸大小可能不完全符合预期，这是当前多图参考的一个技术难点，需要通过多次抽卡或后期调整来优化。
在人物与场景融合的测试中，直接使用带有多余元素的室内场景图作为参考，会导致模型错误地将参考图中的沙发等元素也复现到视频中。解决方案是使用纯色背景的人物图，并调整图片输入顺序，即可实现人物在指定场景中自然行走的效果。
关键节点配置
实现高质量效果的关键在于工作流的正确配置。实测中，模型在约21.2G显存占用下，生成一段81帧（约3秒）的视频仅需24秒，效率很高。
最核心的节点是“图层工具按宽高比缩放”。此节点决定了最终视频的分辨率和构图。用户需根据原图内容选择合适的宽高比，如4:3或16:9，以避免裁剪时丢失人物面部等关键特征，否则模型将无法准确参考。节点中的“缩放到长度”参数直接控制了输出视频的最长边像素。
技术发展与未来
SkyReel V3基于万象2.1模型构建，目前官方发布了三个核心模型。其中R2V（Reference to Video）即本文介绍的多图参考视频生成。
此外，还有A2V（Audio to Video）模型，经测试其数字人口型对口效果非常稳定，优于部分同类产品。另一个是V2V（Video to Video）模型，预计将用于视频延长和风格转换，目前仍在等待适配。这些模型的不断完善预示着AI视频创作将拥有更丰富的可能性。
SkyReel V3的多图参考功能，确实为AI视频创作提供了一项强大的工具，尤其是在角色和产品一致性方面取得了显著突破。虽然仍存在一些细节需要手动优化，但其潜力巨大。随着模型功能的不断完善，未来或许能实现更复杂、更自由的视频叙事。
