Wan Animate 2: Funktioner, modeller, ComfyUI og komplet guide

Wan Animate 2 er et åbent framework til karakteranimation fra Wan-teamet. Det tager et referencebillede og en styrende video og genererer en video, hvor den refererede karakter følger bevægelsen og samtidig bevarer sin visuelle identitet. I modsætning til den tidligere Wan2.2 Animate-pipeline sender det nye system den styrende video direkte ind i en redesignet Diffusion Transformer i stedet for at være afhængig af en mellemliggende pose- eller bevægelsesudtrækker.

Den anden store nyhed er tekststyret kontrol af synsvinkel. Outputkameraet behøver ikke længere at kopiere den styrende videos perspektiv præcist, så en skaber kan overføre en handling og samtidig bede om et andet syn på karakteren. Teamet udgav inferenskode samt Base- og Distillation-vægte den 7. august 2026. Det annoncerede også Wan-Animate-2-Lite som en variant målrettet streaming, selv om Lite ikke var med i den offentlige udgivelse af vægte.

Denne guide adskiller de bekræftede fakta fra fællesskabets antagelser, forklarer modelvalgene og gennemgår det officielle repository, Diffusers og den nyere ComfyUI-arbejdsgang.

Status tjekket den 17. august 2026. Wan Animate 2 udvikler sig hurtigt. Nodenavne, modelpakker og hardwareoptimeringer kan ændre sig. Tjek det officielle Wan-Animate-2-repository, før du bygger en arbejdsgang til produktion.

Wan Animate 2 i overblik

Hvad er Wan Animate 2?

Wan Animate 2 er ikke en generel tekst-til-video-model. Dens kerne-arbejdsgang har tre input:

1. Et referencebillede, der definerer målkarakterens og scenens udseende.
2. En styrende video, der leverer bevægelsen over tid.
3. En struktureret tekstbeskrivelse, der angiver karakterens udseende, baggrunden og eventuelt den ønskede synsvinkel.

Outputtet er en nyrenderet karaktervideo. Det gør modellen relevant for digitale karakterer, virtuelle værter, stiliserede avatarer, reklamemaskotter, kortformatsanimation og previsualisering af bevægelse.

Navnet kan være forvirrende. Det checkpoint, der kan downloades, udgives som Wan2.2-Animate-2-14B, men Wan Animate 2 er et nyt framework, ikke blot en mindre omdøbning af den oprindelige Wan2.2 Animate-arbejdsgang. Søgeresultater for “wan 2.2 animate”, “wan animate” og “wan animate 2” overlapper i øjeblikket, så tjek altid checkpointets navn og nodens version, før du downloader filer.

Vigtige funktioner i Wan Animate 2

1. Direkte styring med den styrende video

Tidligere systemer til karakteranimation omsætter ofte en optræden til pose-, ansigts-, skelet- eller andre bevægelsesrepræsentationer, før generering. Hver omsætning kan fjerne detaljer eller give fejl i justeringen.

Wan Animate 2 bruger i stedet den styrende video direkte i sin redesignede Diffusion Transformer. Det erklærede mål er bevægelse med højere troskab og stærkere bevarelse af identitet uden en mellemliggende bevægelsesudtrækker. Det betyder ikke, at forbehandling forsvinder helt fra alle implementeringer, men det vigtigste bevægelsessignal reduceres ikke længere til en posesekvens, før det når modellen.

2. Stærkere bevarelse af identitet

Referencebilledet leverer karakterens ansigt, krop, tøj og stil. Den direkte styring skal holde disse træk mere stabile, mens den styrende video ændrer positur og udtryk.

Identitetskonsistens bør stadig testes under vanskelige forhold: hurtige drejninger, selvokklusion, hænder der dækker ansigtet, bevægelsesslør, helkropsbevægelse, usædvanlige proportioner og store skalaændringer. Et rent lanceringseksempel erstatter ikke gentagne tests med din egen karakter.

3. Tekststyret kontrol af synsvinkel

Traditionel bevægelsesoverførsel arver ofte kameravinklen fra den oprindelige optræden. Wan Animate 2 tilføjer tekststyret kontrol, der kan adskille outputtets synsvinkel fra den styrende video.

Et klip, hvor personen vender frem mod kameraet, kan for eksempel styre bevægelsen, mens prompten beder om en tre-kvart-vinkel eller et lidt lavere kamera. Det er nyttigt, når bevægelsen er rigtig, men kildevideoens udsnit ikke passer til det ønskede skud.

Ændringer af synsvinkel er stadig generative rekonstruktioner. De kan afsløre dele af en karakter, som ikke er synlige i referencebilledet, så detaljer på forsiden, bagsiden, kostumet og rekvisitterne bør kontrolleres for opfundne elementer eller afdrift.

4. Base- og Distilled-modeller

Den offentlige udgivelse omfatter en Base-model til den fulde inferenssti og en Distillation-model med færre denoising-trin. Det officielle Diffusers-eksempel bruger 40 trin til Base og 10 trin til Distilled.

Distilled-eksemplet sætter også guidance_scale=1.0 og bruger Euler-flowsolveren. Disse indstillinger er modelspecifikke: Hvis du kopierer Base-indstillingerne over på Distilled-checkpointet, får du ikke en pålidelig sammenligning.

5. En Lite-model målrettet streaming

Projektets introduktion siger, at Wan-Animate-2-Lite sænker inferensens svartid til realtidsgrænser for streaming af karakteranimation. Det er en vigtig retning for live-avatarer og interaktive agenter.

Udgivelsesnoterne fra den 7. august opregner dog Base- og Distillation-vægte, ikke et Lite-checkpoint. Behandl Lite som en annonceret variant, indtil teamet udgiver en vægt, et endpoint, en democontrakt eller en reproducerbar specifikation af svartiden. “Realtid” afhænger også af opløsning, kliplængde, batchstørrelse, hardware, og om svartiden måles pr. billede eller samlet.

6. Flere måder at køre modellen på

Det officielle projekt dokumenterer sine egne inferensscripts og en Gradio-grænseflade. Wan Animate 2 har også understøttelse af Diffusers, og ComfyUI har indført en indbygget arbejdsgang til nodebaseret brug. Disse veje deler de samme grundlæggende input, men adskiller sig i modelpakning, hukommelsesadfærd og driftsmæssig kontrol.

Modellerne i Wan Animate 2 sammenlignet

Diffusers-repositories er valg af pakning, ikke yderligere modelniveauer. Brug Base Diffusers-checkpointet eller Distilled Diffusers-checkpointet alt efter den pipeline, du vil køre.

Sådan fungerer Wan Animate 2

Rent praktisk ser arbejdsgangen sådan ud:

1. Forbered referencebilledet. Brug én tydeligt synlig karakter, stabilt lys og nok opløsning til at vise detaljer i ansigt og kostume.
2. Forbered den styrende video. Hold den optrædende synlig, undgå unødvendige klip, og start med et kort klip, der viser den bevægelse, du faktisk har brug for.
3. Beskriv udseende frem for handling. Den officielle arbejdsgang beder en LLM om at lave en objektiv billedtekst, der dækker karakterens udseende og baggrunden, men udelader handling og spekulation om følelser.
4. Kod de tre input. Referencebilledet definerer identiteten, videoen leverer den tidsmæssige bevægelse, og prompten leverer instruktioner om udseende og synsvinkel.
5. Foretag denoising med Base- eller Distilled-inferens. Modellen producerer en tidsmæssigt sammenhængende videolatent, der er betinget af alle tre kilder.
6. Afkod og eksportér. Det officielle Diffusers-eksempel eksporterer med 24 fps.

Denne ansvarsfordeling er vigtig. Brug ikke prompten om udseende til at modarbejde den styrende video med en modstridende beskrivelse af handlingen. Lad videoen styre bevægelsen, og brug tekst til at gøre målkarakteren og kameraet entydige.

Hardwarekrav og realistiske forventninger

Wan Animate 2 er en 14B-videomodel, så den officielle referenceopsætning er langt tungere end en typisk arbejdsgang til billedgenerering på forbrugerhardware.

Repositoryet oplyser, at dets standardkonfiguration for parallelisering er tunet til 8× A800-GPU'er ved 720p. Teamet har også testet 480p på 2× A800-GPU'er. Andre opsætninger kræver ændringer i YAML-konfigurationen for parallelisering.

Det er officielt testede konfigurationer, ikke universelle minimumskrav. De beviser ikke, at en bestemt forbruger-GPU vil mislykkes, fordi offloading, kvantisering, lavere opløsning, kortere klip og ComfyUI-optimeringer kan ændre hukommelsesforbruget. De garanterer heller ikke en praktisk hastighed på et mindre kort.

En ærlig plan for en lokal test:

• begynd med 480p og et kort styrende klip;
• brug Distilled-checkpointet før Base;
• undgå lange batches, indtil ét klip kan gennemføres pålideligt;
• overvåg både VRAM og systemets RAM;
• registrér starttid fra kold start separat fra genereringstiden;
• sammenlign pris pr. brugbart output, ikke kun sekunder pr. forhåndsvisning.

Fællesskabets FP8- eller GGUF-konverteringer kan sænke hardwaretærsklen, men de er ikke de samme artefakter som de officielle BF16-checkpoints. Kontrollér kilden, kontrolsummen, nodekompatibiliteten og outputkvaliteten, før du bruger en konvertering i produktion.

Sådan installerer du Wan Animate 2 fra det officielle repository

Den officielle opsætning bruger Python 3.11, PyTorch 2.7 med CUDA 12.6-wheels, FlashAttention og en redigerbar installation af repositoryet.

git clone --recursive https://github.com/Wan-Video/Wan-Animate-2.git
cd Wan-Animate-2

conda create -n wan_animate_2 python=3.11 -y
conda activate wan_animate_2

pip install torch==2.7.0 torchvision==0.22.0 torchaudio==2.7.0 \
  --index-url https://download.pytorch.org/whl/cu126
pip install -r requirements.txt
pip install flash-attn --no-build-isolation
pip install -e .

Download hovedcheckpointet med Hugging Face CLI:

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

Repositoryet indeholder separate YAML-filer til Base- og Distillation-inferens. Gennemgå deres indstillinger for parallelisering, før du starter et job; standardværdierne forudsætter den opsætning med flere A800-GPU'er, der er beskrevet ovenfor.

Wan Animate 2 med Diffusers

Indtil understøttelsen når den næste pakkede udgivelse, som projektet har angivet, installerer de officielle instruktioner Diffusers fra kildekoden:

pip install git+https://github.com/huggingface/diffusers.git
pip install flash-attn --no-build-isolation

En minimal Base-pipeline følger dette mønster:

import torch
from diffusers import WanAnimate2Pipeline
from diffusers.utils import export_to_video, load_image

pipe = WanAnimate2Pipeline.from_pretrained(
    "Wan-AI/Wan2.2-Animate-2-14B-Diffusers",
    torch_dtype=torch.bfloat16,
).to("cuda")

result = pipe(
    image=load_image("reference.png"),
    driving_video="driving.mp4",
    prompt=(
        "Subject appearance: a small wooden courier with a teal vest, "
        "cream shirt, coral shoes, and a paper cap. "
        "Background: a simple navy theater stage. "
        "Viewpoint: front three-quarter view, slightly low camera."
    ),
    height=800,
    width=640,
    num_inference_steps=40,
)

export_to_video(result.frames[0], "wan-animate-2-output.mp4", fps=24)

Til Distilled-pakken skal du starte med den udgivne konfiguration:

pipe = WanAnimate2Pipeline.from_pretrained(
    "Wan-AI/Wan2.2-Animate-2-14B-Distilled-Diffusers",
    torch_dtype=torch.bfloat16,
).to("cuda")

result = pipe(
    image=load_image("reference.png"),
    driving_video="driving.mp4",
    prompt=prompt,
    num_inference_steps=10,
    guidance_scale=1.0,
    flow_solver="euler",
)

Eksemplerne er udgangspunkter, ikke kode til udrulning. En tjeneste har også brug for validering af input, grænser for videoafkodning, timeouts, køstyring, opvarmning af modellen, lagring af output og fejlhåndtering.

Wan Animate 2-arbejdsgang i ComfyUI

ComfyUI er den mere tilgængelige mulighed for skabere, der vil inspicere og ændre pipelinen visuelt. Den nye integration er bygget omkring WanAnimate2ToVideo, mens WanAnimate2Cache kan bytte ekstra forbrug af systemhukommelse for hurtigere gentagne beregninger. ComfyUI beskriver cachen som i stand til groft sagt at halvere genereringstiden i sit lanceringsmateriale, men den faktiske gevinst afhænger af grafen, hardwaren, opløsningen og kliplængden.

Opsætning trin for trin

1. Opdatér ComfyUI. Brug en version, der indeholder nodene til Wan Animate 2. Hvis skabelonen åbner med manglende kernenoder, kan din stabile build eller Desktop-build være bagud i forhold til den påkrævede udgivelse.
2. Indlæs Wan Animate 2-arbejdsgangen. Start med den officielle skabelon eller den udgivne ComfyUI-arbejdsgang i stedet for at genopbygge grafen fra hukommelsen.
3. Afklar modeldownloads. Kontrollér, at hver loader peger på aktiver til Wan Animate 2. Et ældre Wan2.2 Animate-checkpoint kan ikke bruges i stedet for den nye Animate 2-model.
4. Upload referencebilledet. Foretræk ét enkelt, uhindret motiv med detaljer, der stadig kan læses efter ændring af størrelse.
5. Indlæs den styrende video. Beskær den før generering. En bevægelsestest på fem sekunder er lettere at fejlsøge end et langt klip med blandede handlinger.
6. Skriv billedteksten om udseende. Beskriv synlige træk ved motivet og baggrunden. Tilføj en kortfattet instruktion om kameravinkel, hvis du vil have en anden synsvinkel end den styrende video.
7. Vælg Base eller Distilled. Brug Distilled til de første tests af kompatibilitet og bevægelse; skift til Base, når arbejdsgangen er stabil, og du skal sammenligne den endelige kvalitet.
8. Vælg forsigtige dimensioner. Start omkring 480p, og hold bredde og højde forenelige med arbejdsgangens krav til latenten.
9. Aktivér først cachen efter en ren baseline. Så er det lettere at afgøre, om et problem med hukommelse eller output kommer fra kernearbejdsgangen eller optimeringen.
10. Sæt én kort generering i kø. Undersøg identitet, hænder, okklusion, bevægelsens timing, synsvinkel og stabilitet fra første til sidste billede, før du hæver opløsning eller varighed.

Bland ikke de gamle og nye ComfyUI-arbejdsgange

Den ældre Wan2.2 Animate-arbejdsgang bruger noder som WanAnimateToVideo og kan forbehandle input til DWPose, ansigt, maske og baggrund til Move- eller Mix-tilstande. Arbejdsgangen for Wan Animate 2 bruger den nye WanAnimate2ToVideo-sti og direkte styring med den styrende video.

Hvis en vejledning beder dig downloade den oprindelige wan2.2_animate_14B_bf16.safetensors, clip_vision_h, en poseestimator og masker til Mix-tilstand, beskriver den sandsynligvis den tidligere model. Vejledningen kan stadig være nyttig, men den er ikke en installationsguide til Wan Animate 2.

Anbefalede startindstillinger

Disse indstillinger følger de officielle eksempler, så vidt det er muligt. De er ikke en påstand om, at alle lokale ComfyUI-pakker har de samme kontroller, eller at 480p passer til alle GPU'er.

Guide til prompts

Det officielle repository anbefaler at lade en LLM lave en objektiv billedtekst. Dets eksempel bruger en stram kinesisk struktur: først motivets udseende, derefter baggrunden, uden beskrivelse af handling, subjektive vurderinger eller udledte følelser.

En skabelon, der er uafhængig af sprog:

Subject appearance: [species or person, face, hair, body proportions,
clothing, colors, materials, accessories].
Background: [location, major objects, lighting, dominant colors].
Viewpoint: [front, profile, rear, three-quarter, high, low, close, wide].

Bedre prompt

Subject appearance: a stylized wooden courier with a round carved face,
short dark hair, a cream paper cap, teal vest, ivory shirt, and coral shoes.
Background: a simple miniature theater with a muted navy curtain and warm
gold stage light. Viewpoint: front three-quarter full-body view, slightly low.

Svagere prompt

A happy courier runs dramatically, waves at the camera, jumps over a box,
and looks excited in a beautiful cinematic scene.

Den svagere version gentager bevægelsesinstruktioner, der allerede findes i den styrende video, og tilføjer subjektivt sprog. Hvis en engelsk billedtekst yder dårligt, så test repositoryets anbefalede kinesiske struktur, før du konkluderer, at modellen ikke kan bevare karakteren.

Styrker og begrænsninger

Hvor Wan Animate 2 ser stærkest ud

• Bevægelsesoverførsel uden at reducere den styrende optræden til en mellemliggende posesekvens.
• Bevarelse af identitet og stil ud fra en reference.
• En kameravinkel, der kan afvige fra den styrende video.
• Base- og Distilled-muligheder med færre trin til test af kvalitet og hastighed.
• Veje via det officielle repository, Diffusers, Gradio og ComfyUI.
• Apache 2.0-licens på repositoryet og udgivne vægte.

Hvad der stadig kræver omhyggelig test

• Tunge officielle krav om flere GPU'er til konfigurationerne for 480p og 720p.
• Hurtig handling, kraftigt bevægelsesslør, okklusion, hænder og kropsrotation.
• Lange klip og kontinuitet i identitet fra skud til skud.
• Store kameraændringer, der kræver, at ukendte karakterdetaljer opfindes.
• Scener med flere karakterer og interaktion med objekter.
• Kvalitetsforskelle mellem Base, Distilled, FP8 og fællesskabets kvantiserede versioner.
• Udgivelsestidspunktet og den reelle svartid for Wan-Animate-2-Lite.

De tidlige sammenligninger på sociale medier er blandede. Nogle skabere melder om imponerende bevægelse og kontrol af synsvinkel; andre foretrækker tidligere systemer til bestemte eksempler med hurtig bevægelse eller video til video. En diskussion i fællesskabet og en tidlig sammenligningsvideo er nyttige til at finde frem til tests, men de offentliggør ikke alle forsøg, de præcise indstillinger, rettighederne til kildematerialet eller prisen pr. godkendt klip. Behandl dem som hypoteser frem for en rangliste.

Wan Animate 2 vs Wan2.2 Animate

Vælg den ældre arbejdsgang, når du specifikt har brug for dens dokumenterede Move/Mix-proces til udskiftning, eller allerede har en stabil graf i produktion. Vurdér Wan Animate 2, når direkte bevægelsestroskab, identitet eller uafhængig kontrol af synsvinkel er vigtigere.

Bedste anvendelser

Wan Animate 2 er et lovende valg til:

• stiliserede karakterer, der animeres ud fra en skuespillers optræden;
• virtuelle værter og prototyper af avatarer;
• reklamemaskotter og brandede karakterer;
• previs af kameraalternativer ud fra én styrende optagelse;
• korte klip til sociale medier og fortællende indskud;
• udvikling af koncepter til spil, animation og film;
• forskning i streaming af animation, når Lite bliver reproducerbart tilgængelig.

Det er et svagere førstevalg til lange, uafbrudte scener, præcise produktdemonstrationer, overfyldt action med flere karakterer eller livestreaming i dag, medmindre dine egne tests beviser den nødvendige konsistens og svartid.

Licens og kommerciel brug

Wan-Animate-2-repositoryet er licenseret under Apache 2.0. Det tillader generelt brug, ændring og distribution, herunder kommerciel brug, med forbehold for licensens betingelser.

Repositoryets licens er kun én del af en kommerciel vurdering. Teams skal også have rettigheder til referencebilledet, den styrende optræden, ligheden, tøjet, musikken og alle baggrundsaktiver. Animér ikke en rigtig persons identitet eller optræden uden passende samtykke. Bevar de relevante licens- og kildeangivelser, når du videredistribuerer kode eller ændrede pakker.

Hvor du får adgang til Wan Animate 2

Brug disse primære ressourcer:

• Wan-Animate-2's officielle GitHub-repository
• Officiel 14B-modelpakke
• Base Diffusers-pakke
• Distilled Diffusers-pakke
• Officiel ComfyUI-arbejdsgang

Poyo.ai har i øjeblikket et eksisterende Wan Animate-API med separate ruter til move og replace. Den oversigt henviser til den tidligere produktionsmodel, ikke det nye Wan Animate 2-checkpoint, som denne guide beskriver. Denne artikel påstår ikke, at Wan Animate 2 i øjeblikket er tilgængelig via Poyo.ai's API.

Endelig konklusion

Wan Animate 2 satser på to meningsfulde arkitektoniske ændringer: at bruge den styrende video direkte og at lade tekst styre en kameravinkel, der kan afvige fra kilden. Tilsammen angriber de to vedvarende problemer inden for karakteranimation – tabte bevægelsesdetaljer og et kamera, der er låst til optagelsen af den optrædende.

Udgivelserne af Base og Distilled gør systemet muligt at teste i dag via den officielle kode, Diffusers og ComfyUI. De praktiske begrænsninger er lige så tydelige: Den officielle hardwareopsætning er stor, modellen er ny, tilgængeligheden af Lite er endnu ikke afklaret, og vanskelig bevægelse kræver stadig kontrolleret vurdering.

Start med en kort Distilled-kørsel i 480p, hold billedteksten om udseende objektiv, ændr én variabel ad gangen, og sammenlign resultater ud fra brugbare billeder frem for lanceringsdemoens effekt. Den fremgangsmåde fortæller dig mere end enhver universel påstand om “den bedste model til karakteranimation”.

Ofte stillede spørgsmål

Er Wan Animate 2 det samme som Wan2.2 Animate?

Nej. Wan Animate 2 bruger en redesignet end-to-end-arkitektur, der bruger den styrende video direkte og tilføjer tekststyret kontrol af synsvinkel. Checkpointets navn indeholder stadig Wan2.2, hvilket skaber forvirring i søgninger og vejledninger.

Er Wan Animate 2 open source?

Det officielle repository og de udgivne vægte er offentlige, og repositoryet er licenseret under Apache 2.0. Gennemgå licensen og modelfilerne for netop din distribution eller kommercielle brug.

Hvilke Wan Animate 2-modeller kan jeg downloade?

Udgivelsen den 7. august omfatter Base- og Distillation-vægte. Der findes Diffusers-pakker til begge. Wan-Animate-2-Lite blev annonceret, men stod ikke blandt de første offentlige udgivelser af vægte.

Hvad er forskellen på Base og Distilled?

De officielle Diffusers-eksempler bruger 40 trin til Base og 10 trin til Distilled. Distilled bruger også guidance scale 1.0 og Euler-flowsolveren. Start med Distilled til iteration, og sammenlign med Base på de samme input for at vurdere den endelige kvalitet.

Kan Wan Animate 2 køre i ComfyUI?

Ja. Brug en opdateret ComfyUI-build og Wan Animate 2-arbejdsgangen baseret på WanAnimate2ToVideo. Forveksl den ikke med den ældre Wan2.2 Animate-graf baseret på WanAnimateToVideo.

Hvilken GPU har jeg brug for til Wan Animate 2?

Det officielle repository er tunet til 720p på 8× A800-GPU'er og oplyser, at 480p er testet på 2× A800-GPU'er. Andet hardware kan fungere med offloading eller optimerede vægte, men de officielle tal fastlægger ikke ét enkelt minimum for forbruger-GPU'er.

Understøtter Wan Animate 2 animation i realtid?

Teamet siger, at Wan-Animate-2-Lite når grænserne for realtid til streaming, men de første udgivelsesnoter opregner ikke Lite-vægte. Vent på en reproducerbar offentlig pakke, og test hele svartidsforløbet, før du planlægger et live-produkt.

Kan outputkameraet afvige fra den styrende video?

Ja. Tekststyret kontrol af synsvinkel er en af modellens centrale funktioner. Store ændringer kan kræve, at modellen genererer detaljer, der ikke er set, så kontrollér omhyggeligt konsistensen i karakter og kostume.

Skal prompten beskrive handlingen?

Som regel nej. Lad den styrende video angive handlingen. Den officielle arbejdsgang anbefaler en objektiv beskrivelse af karakterens udseende og baggrunden, uden handling eller udledte følelser. Tilføj en kortfattet instruktion om synsvinkel, når det er nødvendigt.

Tilbyder Poyo.ai det nye Wan Animate 2 API?

Ikke på tidspunktet for dette statustjek. Poyo.ai's nuværende Wan Animate-oversigt er det tidligere move/replace-API. Brug det officielle repository, Diffusers-pakkerne eller ComfyUI-arbejdsgangen til den nye udgivelse af Wan Animate 2.