Wan Animate 2: funzionalità, modelli, ComfyUI e guida completa

Wan Animate 2 è un framework aperto per animare personaggi, sviluppato dal team Wan. Parte da un'immagine di riferimento e da un video guida per produrre una nuova sequenza in cui il personaggio ripete il movimento senza perdere la propria identità visiva. Rispetto alla precedente pipeline Wan2.2 Animate, il sistema invia il video guida direttamente a un Diffusion Transformer riprogettato, senza affidarsi a un estrattore intermedio di pose o movimento.

L'altra novità di rilievo è il controllo testuale del punto di vista. La telecamera del risultato non è più obbligata a replicare esattamente quella del video guida: è quindi possibile trasferire un'azione e, allo stesso tempo, chiedere una diversa inquadratura del personaggio. Il 7 agosto 2026 il team ha pubblicato il codice di inferenza e i pesi Base e Distillation. Ha anche annunciato Wan-Animate-2-Lite, variante pensata per lo streaming, che però non faceva parte di quel rilascio pubblico dei pesi.

In questa guida distinguiamo i dati confermati dalle ipotesi della community, confrontiamo le varianti disponibili e vediamo come usare il repository ufficiale, Diffusers e il nuovo workflow ComfyUI.

Informazioni verificate il 17 agosto 2026. Wan Animate 2 evolve rapidamente: nomi dei nodi, modalità di distribuzione dei modelli e ottimizzazioni hardware possono cambiare. Prima di impostare un workflow di produzione, consulta il repository ufficiale Wan-Animate-2.

Panoramica di Wan Animate 2

Che cos'è Wan Animate 2?

Wan Animate 2 non è un modello text-to-video generalista. Il workflow principale richiede tre input:

1. Un'immagine di riferimento che definisce il personaggio target e l'aspetto della scena.
2. Un video guida che fornisce il movimento nel tempo.
3. Una descrizione testuale strutturata dell'aspetto del personaggio, dello sfondo e, se necessario, del punto di vista desiderato.

Il risultato è una nuova interpretazione video del personaggio. Il modello si presta quindi a personaggi digitali, presentatori virtuali, avatar stilizzati, mascotte pubblicitarie, brevi animazioni e previsualizzazione del movimento.

La denominazione può trarre in inganno. Il checkpoint scaricabile si chiama Wan2.2-Animate-2-14B, ma Wan Animate 2 è un framework nuovo, non un semplice cambio di nome del workflow Wan2.2 Animate originale. Poiché oggi i risultati per “wan 2.2 animate”, “wan animate” e “wan animate 2” si sovrappongono, verifica sempre nome del checkpoint e versione dei nodi prima di scaricare i file.

Funzionalità principali di Wan Animate 2

1. Condizionamento diretto tramite video guida

Molti sistemi precedenti convertono la performance, prima della generazione, in dati di posa, espressione facciale, scheletro o altre rappresentazioni del movimento. Ognuno di questi passaggi può perdere informazioni oppure introdurre errori di allineamento.

Wan Animate 2, invece, elabora il video guida all'interno del Diffusion Transformer riprogettato. L'obiettivo dichiarato è riprodurre il movimento con maggiore fedeltà e conservare meglio l'identità, eliminando l'estrattore di movimento intermedio. Non significa che ogni implementazione sia priva di preprocessing: significa che il segnale di movimento principale non viene ridotto a una sequenza di pose prima di entrare nel modello.

2. Maggiore conservazione dell'identità

Volto, corpo, abiti e stile provengono dall'immagine di riferimento. Il condizionamento diretto mira a mantenerli stabili anche quando il video guida introduce nuove pose ed espressioni.

La tenuta dell'identità va comunque verificata nei casi più difficili: rotazioni veloci, auto-occlusioni, mani davanti al viso, motion blur, movimenti a figura intera, proporzioni insolite e forti variazioni di scala. Una demo di lancio ben riuscita non sostituisce prove ripetute sul proprio personaggio.

3. Controllo del punto di vista guidato dal testo

Nel motion transfer tradizionale, il risultato tende a ereditare l'inquadratura della performance sorgente. Wan Animate 2 introduce un comando testuale che permette di separare il punto di vista del risultato da quello del video guida.

Per esempio, un filmato frontale può fornire il movimento mentre il prompt richiede una vista a tre quarti o un'angolazione leggermente dal basso. È utile quando la performance è adatta, ma l'inquadratura originale non coincide con quella della scena finale.

Cambiare punto di vista resta però un'operazione generativa. Il modello può dover mostrare parti assenti dall'immagine di riferimento: controlla quindi che fronte, retro, costume e oggetti di scena non presentino dettagli inventati o incoerenti.

4. Modelli Base e Distilled

Il rilascio pubblico comprende il modello Base, destinato al percorso di inferenza completo, e il modello Distillation, che richiede meno passaggi di denoising. Nell'esempio ufficiale Diffusers, Base usa 40 passaggi e Distilled ne usa 10.

Per Distilled l'esempio imposta anche guidance_scale=1.0 e il flow solver Euler. Sono parametri specifici di questa variante: applicare semplicemente le impostazioni Base al checkpoint Distilled non produce un confronto attendibile.

5. Un modello Lite pensato per lo streaming

Secondo la presentazione del progetto, Wan-Animate-2-Lite porta la latenza di inferenza entro soglie compatibili con l'animazione in streaming in tempo reale. È una prospettiva importante per avatar live e agenti interattivi.

Le note del 7 agosto, tuttavia, elencano soltanto i pesi Base e Distillation, non un checkpoint Lite. Per ora Lite va considerato un modello annunciato, in attesa di pesi, endpoint, condizioni della demo o misurazioni di latenza riproducibili. Inoltre, “tempo reale” cambia in base a risoluzione, durata, batch, hardware e metodo di misurazione della latenza, per fotogramma oppure end-to-end.

6. Diversi modi per eseguire il modello

Il progetto ufficiale documenta gli script di inferenza e un'interfaccia Gradio. Sono disponibili anche il supporto Diffusers e un workflow ComfyUI nativo basato su nodi. Le tre opzioni usano gli stessi input essenziali, ma differiscono nella distribuzione dei modelli, nella gestione della memoria e nel livello di controllo operativo.

Confronto tra i modelli Wan Animate 2

I repository Diffusers indicano formati di distribuzione, non ulteriori livelli del modello. Scegli il checkpoint Base Diffusers oppure il checkpoint Distilled Diffusers in funzione della pipeline da eseguire.

Come funziona Wan Animate 2

In pratica, il workflow segue questi passaggi:

1. Prepara l'immagine di riferimento. Scegli un solo personaggio ben visibile, luce uniforme e una risoluzione che conservi i dettagli del viso e del costume.
2. Prepara il video guida. Mantieni l'interprete sempre visibile, evita tagli superflui e comincia da una clip breve che contenga esattamente il movimento necessario.
3. Descrivi l'aspetto, non l'azione. Nel workflow ufficiale, un LLM produce una didascalia oggettiva su personaggio e sfondo, senza descrivere azioni né attribuire emozioni.
4. Codifica i tre input. L'immagine determina l'identità, il video trasmette il movimento nel tempo e il prompt precisa aspetto e punto di vista.
5. Esegui il denoising con Base o Distilled. Condizionato dalle tre fonti, il modello genera una rappresentazione latente video coerente nel tempo.
6. Decodifica ed esporta. L'esempio Diffusers ufficiale crea un file a 24 fps.

La separazione dei compiti è essenziale. Non cercare di correggere il video guida inserendo nel prompt un'azione contraddittoria: lascia al video il controllo del movimento e usa il testo per definire con precisione personaggio e telecamera.

Requisiti hardware e aspettative realistiche

Wan Animate 2 è un modello video da 14 miliardi di parametri. La configurazione ufficiale di riferimento è quindi molto più onerosa del tipico workflow consumer per la generazione di immagini.

Il repository specifica che la configurazione parallela predefinita è ottimizzata per 8 GPU A800 a 720p; il team ha inoltre provato 480p su 2 GPU A800. Per altre dotazioni hardware bisogna modificare la configurazione YAML del parallelismo.

Si tratta di configurazioni verificate dal team, non di requisiti minimi validi per tutti. Non provano che una determinata GPU consumer sia incompatibile: offloading, quantizzazione, risoluzione ridotta, clip più brevi e ottimizzazioni ComfyUI possono cambiare il consumo di memoria. Allo stesso modo, non assicurano prestazioni pratiche su una scheda più piccola.

Per impostare una prova locale attendibile:

• parti da 480p e da una clip guida breve;
• prova Distilled prima di Base;
• evita batch lunghi finché una singola clip non termina con regolarità;
• controlla sia la VRAM sia la RAM di sistema;
• misura separatamente avvio a freddo e generazione;
• confronta il costo per risultato utilizzabile, non soltanto i secondi necessari a un'anteprima.

Le conversioni FP8 o GGUF della community possono abbassare la barriera hardware, ma non corrispondono ai checkpoint BF16 ufficiali. Prima di impiegarle in produzione, verifica provenienza, checksum, compatibilità con i nodi e qualità dei risultati.

Come installare Wan Animate 2 dal repository ufficiale

L'ambiente ufficiale prevede Python 3.11, PyTorch 2.7 con wheel CUDA 12.6, FlashAttention e l'installazione del repository in modalità modificabile.

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 .

Scarica quindi il checkpoint principale tramite la CLI di Hugging Face:

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

Nel repository sono presenti YAML distinti per l'inferenza Base e Distillation. Prima di lanciare un job, controlla i parametri di parallelismo: i valori predefiniti presuppongono il sistema multi-A800 indicato sopra.

Wan Animate 2 con Diffusers

In attesa che il supporto arrivi nella prossima release pacchettizzata indicata dal progetto, le istruzioni ufficiali installano Diffusers direttamente dai sorgenti:

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

Una pipeline Base essenziale segue questo schema:

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)

Per il pacchetto Distilled, parti dalla configurazione pubblicata:

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",
)

Questi esempi servono per iniziare, non sono codice pronto per il deployment. Un servizio reale deve aggiungere validazione degli input, limiti alla decodifica video, timeout, gestione della coda, warm-up del modello, archiviazione dei risultati e trattamento degli errori.

Workflow ComfyUI di Wan Animate 2

Per chi vuole osservare e modificare visivamente la pipeline, ComfyUI è l'opzione più immediata. La nuova integrazione ruota attorno a WanAnimate2ToVideo; WanAnimate2Cache usa più RAM di sistema per accelerare i calcoli ripetuti. Nel materiale di lancio, ComfyUI afferma che la cache può dimezzare circa il tempo di generazione, ma il guadagno effettivo varia con grafo, hardware, risoluzione e durata della clip.

Configurazione passo dopo passo

1. Aggiorna ComfyUI. Serve una versione che includa i nodi Wan Animate 2. Se il template segnala nodi core mancanti, la build Stable o Desktop potrebbe essere precedente al rilascio necessario.
2. Apri il workflow Wan Animate 2. Parti dal template ufficiale o dal workflow ComfyUI pubblicato, anziché ricostruire il grafo a memoria.
3. Completa il download dei modelli. Verifica che ogni loader punti agli asset Wan Animate 2. Un vecchio checkpoint Wan2.2 Animate non è intercambiabile con il nuovo Animate 2.
4. Carica l'immagine di riferimento. Scegli un solo soggetto, privo di ostacoli, i cui dettagli restino leggibili dopo il ridimensionamento.
5. Carica il video guida. Taglialo in anticipo: una prova di movimento di cinque secondi è più semplice da diagnosticare di una lunga clip con azioni diverse.
6. Scrivi la descrizione dell'aspetto. Indica i tratti visibili del soggetto e dello sfondo. Se vuoi discostarti dalla telecamera del video guida, aggiungi una breve istruzione sul punto di vista.
7. Scegli Base o Distilled. Inizia con Distilled per verificare compatibilità e movimento; passa a Base dopo aver stabilizzato il workflow, così da confrontare la qualità finale.
8. Usa dimensioni prudenti. Parti da circa 480p e mantieni larghezza e altezza compatibili con i requisiti latenti del workflow.
9. Attiva la cache solo dopo una prova di riferimento pulita. In questo modo puoi capire se eventuali problemi di memoria o di output dipendono dalla pipeline principale oppure dall'ottimizzazione.
10. Metti in coda una sola generazione breve. Prima di aumentare risoluzione o durata, esamina identità, mani, occlusioni, tempi del movimento, punto di vista e stabilità tra primo e ultimo fotogramma.

Non mescolare i vecchi e i nuovi workflow ComfyUI

Il workflow Wan2.2 Animate precedente usa nodi come WanAnimateToVideo e può preprocessare DWPose, volto, maschera e sfondo nelle modalità Move o Mix. Quello di Wan Animate 2 segue invece il nuovo percorso WanAnimate2ToVideo, con condizionamento diretto sul video guida.

Se un tutorial richiede wan2.2_animate_14B_bf16.safetensors, clip_vision_h, uno stimatore di posa e maschere Mix, quasi certamente si riferisce al modello precedente. Può ancora essere utile, ma non costituisce una guida all'installazione di Wan Animate 2.

Impostazioni iniziali consigliate

Quando possibile, la tabella riprende gli esempi ufficiali. Non implica che ogni pacchetto ComfyUI esponga gli stessi controlli, né che 480p entri nella memoria di qualsiasi GPU.

Come scrivere il prompt

Il repository ufficiale suggerisce di far produrre a un LLM una descrizione oggettiva dell'immagine. L'esempio adotta una struttura cinese molto rigida: prima l'aspetto del soggetto, poi lo sfondo; niente azioni, valutazioni soggettive o emozioni dedotte.

Un template valido in qualsiasi lingua è:

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].

Prompt migliore

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.

Prompt più debole

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

Il secondo prompt ripete indicazioni di movimento già contenute nel video guida e introduce formulazioni soggettive. Se una descrizione inglese rende male, prova la struttura cinese consigliata dal repository prima di concludere che il modello non riesca a preservare il personaggio.

Punti di forza e limiti

Ambiti in cui Wan Animate 2 sembra più efficace

• Trasferisce il movimento senza ridurre la performance guida a una sequenza di pose intermedia.
• Mantiene identità e stile a partire dall'immagine di riferimento.
• Consente un punto di vista della telecamera diverso da quello del video guida.
• Offre Base e una variante Distilled a meno passaggi per confrontare qualità e velocità.
• Dispone di percorsi ufficiali per repository, Diffusers, Gradio e ComfyUI.
• Pubblica i pesi e usa la licenza Apache 2.0 per il repository.

Aspetti da verificare con attenzione

• Le configurazioni ufficiali a 480p e 720p richiedono molte GPU.
• Azioni rapide, forte motion blur, occlusioni, mani e rotazioni del corpo restano casi difficili.
• Le clip lunghe mettono alla prova la continuità dell'identità fra le inquadrature.
• Forti cambi di camera obbligano il modello a inventare dettagli mai mostrati.
• Scene con più personaggi e interazioni con oggetti sono più complesse.
• Base, Distilled, FP8 e quantizzazioni della community possono produrre qualità diverse.
• Data di rilascio e latenza reale di Wan-Animate-2-Lite non sono ancora definite.

I primi confronti pubblicati sui social non danno un verdetto univoco. Alcuni creator apprezzano movimento e controllo del punto di vista; altri preferiscono sistemi precedenti in specifiche prove video-to-video o con movimenti veloci. Questa discussione della community e questo primo video comparativo possono suggerire test utili, ma non mostrano tutti i tentativi, i parametri esatti, i diritti sui materiali sorgente o il costo per clip accettata. Vanno trattati come spunti da verificare, non come una classifica.

Wan Animate 2 vs Wan2.2 Animate

Mantieni il workflow precedente se ti serve espressamente il processo Move/Mix documentato o se disponi già di un grafo di produzione affidabile. Prova Wan Animate 2 quando contano di più la fedeltà al movimento diretto, la conservazione dell'identità o il controllo indipendente del punto di vista.

Migliori casi d'uso

Wan Animate 2 può essere una buona scelta per:

• animare personaggi stilizzati dalla performance di un attore;
• prototipare presentatori virtuali e avatar;
• dare movimento a mascotte pubblicitarie e personaggi di marca;
• previsualizzare più inquadrature a partire da una sola ripresa guida;
• creare brevi clip social e inserti narrativi;
• sviluppare concept per videogiochi, animazione e cinema;
• studiare l'animazione in streaming quando Lite sarà disponibile in forma riproducibile.

È meno indicato come prima scelta per sequenze lunghe senza stacchi, dimostrazioni di prodotto che richiedono assoluta precisione, azioni affollate con più personaggi o streaming live nell'immediato, salvo che i test interni dimostrino coerenza e latenza sufficienti.

Licenza e uso commerciale

Il repository Wan-Animate-2 è distribuito con licenza Apache 2.0, che in linea generale consente uso, modifica e ridistribuzione, anche commerciale, purché se ne rispettino le condizioni.

La licenza del codice, però, è soltanto una parte della verifica commerciale. Occorrono anche i diritti sull'immagine di riferimento, sulla performance guida, sulla somiglianza della persona, sugli abiti, sulla musica e sugli elementi dello sfondo. Non animare l'identità o la prestazione di una persona reale senza il consenso necessario. Se ridistribuisci codice o pacchetti modificati, conserva gli avvisi di licenza e attribuzione applicabili.

Dove accedere a Wan Animate 2

Consulta innanzitutto queste fonti:

• Repository GitHub ufficiale di Wan-Animate-2
• Pacchetto ufficiale del modello 14B
• Pacchetto Base Diffusers
• Pacchetto Distilled Diffusers
• Workflow ufficiale ComfyUI

Poyo.ai offre già una Wan Animate API, con route separate per move e replace. La pagina si riferisce però al modello di produzione precedente, non al nuovo checkpoint Wan Animate 2 descritto qui. Questa guida non sostiene che Wan Animate 2 sia già disponibile tramite l'API Poyo.ai.

Verdetto finale

Wan Animate 2 scommette su due scelte architetturali importanti: usare direttamente il video guida e affidare al testo un punto di vista della telecamera che può differire dalla sorgente. Sono due risposte a problemi ricorrenti nell'animazione dei personaggi: la perdita di dettagli nel movimento e una telecamera vincolata alla registrazione dell'interprete.

Grazie a Base e Distilled, il sistema si può già provare con il codice ufficiale, Diffusers o ComfyUI. I vincoli pratici rimangono evidenti: l'hardware ufficiale è impegnativo, il modello è molto recente, Lite non ha ancora una disponibilità certa e i movimenti difficili richiedono valutazioni controllate.

Il metodo più utile è iniziare con una breve prova Distilled a 480p, mantenere oggettiva la descrizione dell'aspetto, cambiare una variabile alla volta e giudicare i risultati in base ai fotogrammi realmente utilizzabili, non all'effetto della demo di lancio. È un criterio molto più informativo di qualsiasi proclamazione sul “miglior modello per l'animazione dei personaggi”.

FAQ

Wan Animate 2 è lo stesso di Wan2.2 Animate?

No. Wan Animate 2 adotta un'architettura end-to-end riprogettata, usa direttamente il video guida e aggiunge il controllo testuale del punto di vista. La presenza di Wan2.2 nel nome del checkpoint spiega la confusione nei risultati di ricerca e nei tutorial.

Wan Animate 2 è open source?

Il repository ufficiale e i pesi rilasciati sono accessibili pubblicamente; il repository usa la licenza Apache 2.0. Per una distribuzione o un impiego commerciale specifico, esamina comunque sia la licenza sia i file del modello.

Quali modelli Wan Animate 2 posso scaricare?

Il rilascio del 7 agosto comprende i pesi Base e Distillation, entrambi disponibili anche in pacchetti Diffusers. Wan-Animate-2-Lite è stato annunciato, ma non compare fra i pesi pubblicati inizialmente.

Qual è la differenza tra Base e Distilled?

Negli esempi Diffusers ufficiali, Base usa 40 passaggi e Distilled 10. Per Distilled sono indicati anche guidance scale 1.0 e flow solver Euler. Conviene iterare con Distilled e poi confrontare Base sugli stessi input per valutare la qualità finale.

Wan Animate 2 può funzionare in ComfyUI?

Sì. Occorrono una build ComfyUI aggiornata e il workflow Wan Animate 2 basato su WanAnimate2ToVideo. Il vecchio grafo Wan2.2 Animate, invece, usa WanAnimateToVideo.

Quale GPU serve per Wan Animate 2?

Il repository ufficiale è configurato per 720p con 8 GPU A800 e riporta test a 480p con 2 GPU A800. Offloading o pesi ottimizzati possono consentire l'uso di altro hardware, ma questi dati non definiscono un requisito minimo ufficiale per una singola GPU consumer.

Wan Animate 2 supporta l'animazione in tempo reale?

Secondo il team, Wan-Animate-2-Lite raggiunge soglie in tempo reale per lo streaming; le note del primo rilascio, però, non includono i pesi Lite. Prima di progettare un prodotto live, aspetta un pacchetto pubblico riproducibile e misura l'intera catena di latenza.

La telecamera di output può essere diversa dal video guida?

Sì. Il punto di vista controllato dal testo è una funzione centrale del modello. Cambi molto ampi possono obbligarlo a inventare dettagli mai visibili nella reference, quindi è necessario verificare con cura coerenza del personaggio e del costume.

Il prompt dovrebbe descrivere l'azione?

In genere no: l'azione deve provenire dal video guida. Il workflow ufficiale raccomanda una descrizione oggettiva di personaggio e sfondo, senza azioni né emozioni dedotte. Se serve, aggiungi soltanto una breve indicazione sul punto di vista.

Poyo.ai offre la nuova API Wan Animate 2?

Non alla data di questa verifica. La pagina Wan Animate di Poyo.ai riguarda la precedente API move/replace. Per la nuova release Wan Animate 2 bisogna usare il repository ufficiale, i pacchetti Diffusers oppure il workflow ComfyUI.