Wan-Animate-2

Wan-Animate-2

照着驱动视频里的动作，让一张角色图片动起来，还能用文字控制镜头视角。适合有高性能 GPU、要制作角色视频的人。

由 Wan-AI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Wan-Animate-2 是 Wan-AI 推出的角色动画模型。你给它一张角色图片和一段带有目标动作的视频，它就生成一段新视频，让这个角色做出同样的动作。它省掉了先从视频里提取动作数据的那一步。

适合谁：想让静态图片里的角色动起来的动画师、视频制作者和研究人员。请只使用你有权使用的图片和视频，尤其是画面里有真人的时候。

Title: 谁在用，怎么用
Industry | Who uses it | How they use it | Example
影视 | 动画师 | 给它角色图和一段带有目标动作的模板视频 | 一张角色图按录好的视频做出同样的动作
游戏 | 游戏美术 | 测试角色美术图动起来是什么样子 | 一张角色概念图在短视频里走路和转身
营销 | 品牌团队 | 让自己拥有的吉祥物图片动起来 | 吉祥物图片在模板视频的驱动下挥手
研究 | AI 研究人员 | 研究不需要单独动作提取器的视频生成 | 对比 Base 权重和 Distillation 权重

如果你没有高性能 GPU，可以跳过它，因为默认配置假定你有一台多 GPU 的大机器。

用在哪里：

• 装有多块 NVIDIA GPU 的 Linux 机器，用 conda 和 Python 3.11 配置
• ComfyUI、Diffusers 或 DiffSynth-Studio，模型卡标明已经集成
• Windows 或 macOS，用于下载文件，需要 Python
• 模型卡指向的 ModelScope 在线演示

Use case | Who | What they get back
让角色动起来 | 动画师 | 一段你的角色按模板动作运动的视频
更改镜头角度 | 视频制作者 | 由文字提示词设定、与模板视频无关的输出视角
流式动画 | 研究人员 | 面向实时角色动画的 Lite 版本

如何设置：你需要一台 GPU 机器、conda 环境里的 Python 3.11，以及 Git。模型卡的默认设置针对 720P 下的 8 块 A800 GPU 调好。

• Git，用来递归克隆包含子模块的代码仓库
• 带 Python 3.11 的 conda
• NVIDIA GPU，默认配置用 8 块 A800，480P 用 2 块 A800

1. 用模型卡给出的克隆命令，递归克隆项目的代码仓库。
2. 创建 conda 环境。
3. 安装 PyTorch 及其视觉和音频包，使用模型卡指定的版本。
4. 安装 requirements，再装 flash-attn，最后把仓库装成可编辑包。
5. 把模型权重下载到 ckpts 文件夹。

conda create -n wan_animate_2 python==3.11 -y

pip install -r requirements.txt
pip install flash-attn --no-build-isolation
pip install -e .

pip install "huggingface_hub[cli]"
huggingface-cli download Wan-AI/Wan2.2-Animate-2-14B --local-dir ./ckpts/

如何使用：先用模型卡给出的提示词，让一个 LLM 为你的参考图片写说明，这段提示词描述角色的外观和背景，不描述任何动作。把这段说明当作你的提示词。然后在 infer 文件夹里运行演示脚本。

export PYTHONPATH="$(pwd)"
cd infer

Tool | What it does
wan_animate_2_demo.py | 运行 Base 模型的生成
--prompt | 对角色外观和背景的文字描述
--refer-img-file | 要让它动起来的角色图片
--refer-video-file | 复制其动作的模板视频
--config | 存放你的 GPU 并行设置的 YAML 文件

示例：你选一张卡通小猫的图片和一段人物运动的模板视频。你的提示词描述小猫的服装和纯白色背景。脚本返回一段视频，小猫的动作和模板里的人一样。

新手与专家：如果你是新手，可以把它想成用视频来操纵木偶。你提供一张图片和一段视频，它就画出角色按视频运动的样子。这个模型需要高性能 GPU，所以第一步可以先试试模型卡链接的 ModelScope 演示。

对这个领域的人来说，它是一个重新设计的 Diffusion Transformer，直接读取驱动视频，不再使用中间的动作提取器。模型卡说这样能保留动作细节和角色的身份特征。文字驱动的视角控制把输出的镜头角度和驱动视频分开。发布内容有 Base 和 Distillation 两套权重，另有一个 Lite 版本，目标是实时延迟。

为参考图片写说明
选择驱动视频
运行演示脚本
得到动画视频

注意事项：

Title: 模型卡在每种分辨率下用到的 A800 GPU 数量
720P generation: 8 GPUs
480P generation tested: 2 GPUs

• License: Apache 2.0
• Cost to run: 没有列出付费服务，但模型卡的配置需要多块高端 GPU
• Data it reaches: 你的图片和视频文件、下载的软件包和权重，如果你选了托管的 LLM 来写说明，也会涉及它
• Not for: 没有高性能 GPU 的机器，或你无权使用的内容
• 如果你的硬件不同，可能需要修改 YAML 里的并行设置

Hugging Face 上的数据（2026年11月13日）

• 最近 30 天下载：0
• 点赞：379
• 许可证：apache-2.0
• Quantized versions: 3
• Fine-tunes: 2

链接

• 模型：https://huggingface.co/Wan-AI/Wan2.2-Animate-2-14B
• 文件：https://huggingface.co/Wan-AI/Wan2.2-Animate-2-14B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Wan-AI/Wan2.2-Animate-2-14B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。