昆仑万维于2025年8月11日正式发布了其最新技术成果——SkyReels-A3模型，该模型是一款基于DiT（Diffusion Transformer）视频扩散模型的音频驱动数字人创作工具。SkyReels-A3的发布标志着数字内容创作领域的一大进步，它能够实现任意时长的全模态音频驱动数字人创作，为用户带来全新的体验。
SkyReels-A3的核心功能是让静态图像或视频“活”起来，通过上传人像图片和相应的语音，即可使图片中的人物按照语音内容开口说话或唱歌。此外，该模型还支持创作新的视频内容，用户只需提供人像图片、语音和文字提示，即可生成按照要求状态进行表演的视频。SkyReels-A3还能够为现有视频“改台词”，自动匹配新的口型、表情和表演，保持画面连贯。
在技术实现上，SkyReels-A3结合了DiT视频扩散模型、插帧模型、基于强化学习的动作优化以及可控运镜技术，能够实现任意时长的全模态音频驱动数字人创作。SkyReels-A3还引入了3D变分自编码器（3D-VAE）进行隐空间表征学习，以降低计算复杂度并确保关键视觉特征的完整性。此外，SkyReels-A3还支持基于ControlNet结构的镜头控制模块，预设了8种常见的运镜参数，用户可以根据需要选择相应运镜，并且每个运镜的强度可0–100%连续调节。
SkyReels-A3的发布不仅为广告、直播带货等商业应用提供了强有力的技术支持，也为音乐MV、电影片段或演讲视频等艺术创作提供了更多可能性。SkyReels-A3的推出，预示着声音与影像的深度融合将成为现实，为个性化、交互式内容的创作提供了前所未有的高效与便捷。
SkyReels-A3的发布标志着昆仑万维在AI视频生成领域的持续创新和布局，进一步巩固了其在AI技术领域的领先地位。