Wan2.2-Animate是阿里雲通義萬相於2025年9月19日開源的動作生成模型。
該模型支持驅動人物、動漫形象和動物照片生成動態視頻，主要套用於短視頻創作、舞蹈模板生成及動漫製作領域。模型基於Animate Anyone框架升級，提供角色模仿（遷移參考視頻動作表情）和角色扮演（替換視頻角色）兩種模式，通過統一架構實現雙模式兼容。研發團隊構建了涵蓋說話、面部表情與身體動作的大規模數據集，採用骨骼信號控制身體運動、隱式特徵驅動面部表情，配合光照融合LoRA技術。在視頻生成質量、主體一致性等指標上表現較好。該模型曾在杭州雲棲大會上與Wan2.5 preview系列模型一同展示。該模型為開源模型。自2025年2月以來，通義萬相已開源20餘款模型。
基本介紹
- 外文名：Wan2.2-Animate
- 發布方：阿里雲
產品功能,技術原理,發展歷程與開源,使用與部署,線上體驗,API調用,本地部署,
產品功能
模型升級自Animate Anyone，提供角色模仿(複製動作和表情)和角色扮演(替換原視頻角色)兩種模式，人物一致性和生成質量大幅提升。
技術原理
Wan2.2-Animate模型基於通義萬相圖生視頻模型（Wan-I2V (DiT)）構建，是對Animate Anyone模型的全面升級。研發團隊構建了一個涵蓋說話、面部表情和身體動作的大規模人物視頻數據集，並基於通義萬相圖生視頻模型進行後訓練。
該模型採用統一的“雙模式架構”，通過最佳化輸入範式，將角色動畫（Move模式，或稱動畫模式）和角色替換（Mix模式，或稱替換模式）統一為共同符號表示，實現了單一模型同時兼容兩種推理模式，模型可根據輸入自動切換生成模式。
模型對身體運動和臉部表情進行解耦控制。身體運動控制方面，採用基於VitPose技術提取的2D骨骼信號，並通過空間對齊的方式注入初始噪聲潛在向量，確保動作遷移的準確性。面部表情控制方面，則直接編碼參考視頻的原始人臉圖像為幀級隱式潛在特徵，通過時序對齊交叉注意力機制注入，以避免手動關鍵點標註可能導致的細節丟失，從而精準復刻微妙的表情變化。
針對角色替換（Mix模式）任務中的環境融合難題，團隊專門開發了一個輔助的“重新打光LoRA”（Relighting LoRA）模組。該模組依託IC-Light合成數據訓練，能在保持角色外觀一致的同時，學習目標視頻的環境光照與色彩色調，使替換後的新角色能夠自然地“融入”而非“貼上”原視頻場景，有效解決了傳統模型“摳圖感”明顯的痛點。
模型的訓練過程分為多個階段，主要包括身體控制訓練、面部控制訓練、聯合控制訓練、聯合模式訓練以及專門為替換模式設計的重新打光LoRA訓練。
發展歷程與開源
2025年9月19日，阿里雲通義萬相宣布全新動作生成模型Wan2.2-Animate正式開源。該模型基於此前通義萬相開源的Animate Anyone模型全面升級，支持“角色模仿”與“角色扮演”兩種模式。即日起，用戶可在GitHub、HuggingFace和魔搭社區下載模型和代碼，也可以在阿里雲百鍊平台調用API，或通義萬相官網直接體驗。模型開源協定為Apache-2.0。自2025年2月以來，通義萬相已連續開源20多款模型，累計下載量超3000萬。
使用與部署
線上體驗
普通用戶可通過通義萬相官網（包括國內站與國際站）線上體驗Wan2.2-Animate模型，上傳人物圖片與參考視頻即可生成動作復刻或角色替換的視頻效果。
API調用
開發者可通過阿里雲百鍊平台接入Wan2.2-Animate的API服務，將模型能力集成到自有套用或工作流中。
本地部署
模型代碼、權重及完整的推理與預處理工作流已在GitHub、Hugging Face及魔搭社區開源。模型支持GGUF與Safetensors格式。推薦使用A100或RTX 4090及以上規格的GPU進行推理，針對低顯存GPU（如RTX 3060）推薦使用GGUF格式模型並降低輸出解析度（如480x832）。模型支持在ComfyUI等平台進行部署。部署所需的基礎環境可包括Ubuntu 22.04、Cuda V12.4、Python 3.12等。
