Wan Animate 2 완벽 가이드: 기능, 모델, ComfyUI

Wan Animate 2는 Wan 팀이 공개한 오픈 캐릭터 애니메이션 프레임워크입니다. 참조 이미지와 드라이빙 비디오를 입력하면 참조 캐릭터의 시각적 정체성을 유지하면서 해당 캐릭터가 영상 속 움직임을 따라 하는 비디오를 생성합니다. 이전 Wan2.2 Animate 파이프라인과 달리, 새 시스템은 중간 포즈 또는 모션 추출기에 의존하지 않고 재설계된 Diffusion Transformer에 드라이빙 비디오를 직접 입력합니다.

또 다른 핵심 기능은 텍스트 기반 시점 제어입니다. 출력 카메라가 더 이상 드라이빙 비디오의 관점을 그대로 따라야 하지 않으므로, 크리에이터는 동작을 전이하면서 캐릭터를 다른 각도에서 보여 달라고 요청할 수 있습니다. 팀은 2026년 8월 7일 추론 코드와 Base 및 Distillation 가중치를 공개했습니다. 스트리밍 지향 변형인 Wan-Animate-2-Lite도 발표했지만, 해당 공개 가중치 릴리스에는 Lite가 포함되지 않았습니다.

이 가이드에서는 확인된 사실과 커뮤니티의 추정을 구분하고, 모델 선택 방법과 공식 저장소, Diffusers, 새로운 ComfyUI 워크플로까지 설명합니다.

2026년 8월 17일 기준으로 확인한 상태입니다. Wan Animate 2는 빠르게 발전하고 있습니다. 노드 이름, 모델 패키징, 하드웨어 최적화는 변경될 수 있습니다. 프로덕션 워크플로를 구축하기 전에 Wan-Animate-2 공식 저장소를 확인하세요.

Wan Animate 2 한눈에 보기

Wan Animate 2란?

Wan Animate 2는 범용 텍스트-투-비디오 모델이 아닙니다. 핵심 워크플로에는 세 가지 입력이 필요합니다.

1. 대상 캐릭터와 장면의 외형을 정의하는 참조 이미지.
2. 시간에 따른 움직임을 제공하는 드라이빙 비디오.
3. 캐릭터 외형, 배경, 필요에 따라 원하는 시점을 지정하는 구조화된 텍스트 설명.

출력은 새로 렌더링된 캐릭터 비디오입니다. 따라서 디지털 캐릭터, 가상 발표자, 스타일화된 아바타, 광고 마스코트, 숏폼 애니메이션, 모션 프리비주얼라이제이션에 활용할 수 있습니다.

이름은 혼동을 일으킬 수 있습니다. 다운로드 가능한 체크포인트는 Wan2.2-Animate-2-14B라는 이름으로 공개되지만, Wan Animate 2는 새로운 프레임워크이며 기존 Wan2.2 Animate 워크플로의 단순한 이름 변경이나 소규모 업데이트가 아닙니다. 현재 “wan 2.2 animate”, “wan animate”, “wan animate 2”의 검색 결과가 서로 겹치므로 파일을 다운로드하기 전에 체크포인트 이름과 노드 버전을 반드시 확인하세요.

Wan Animate 2의 주요 기능

1. 드라이빙 비디오 직접 조건화

기존 캐릭터 애니메이션 시스템은 흔히 생성 전에 연기 영상을 포즈, 얼굴, 스켈레톤 또는 기타 모션 표현으로 변환합니다. 변환 단계마다 세부 정보가 손실되거나 정렬 오류가 생길 수 있습니다.

Wan Animate 2는 대신 재설계된 Diffusion Transformer 내부에서 드라이빙 비디오를 직접 처리합니다. 중간 모션 추출기 없이 움직임의 충실도와 정체성 보존을 강화하는 것이 목표입니다. 모든 구현에서 전처리가 완전히 사라진다는 의미는 아니지만, 핵심 모션 신호가 모델에 도달하기 전에 포즈 시퀀스로 축약되지 않습니다.

2. 향상된 정체성 보존

참조 이미지는 캐릭터의 얼굴, 신체, 의상, 스타일을 제공합니다. 직접 조건화는 드라이빙 비디오에서 포즈와 표정이 바뀌는 동안에도 이러한 특성을 더 안정적으로 유지하도록 설계되었습니다.

빠른 회전, 자기 가림, 얼굴을 가리는 손, 모션 블러, 전신 움직임, 독특한 신체 비율, 큰 스케일 변화처럼 까다로운 조건에서도 정체성 일관성을 테스트해야 합니다. 깔끔한 출시 데모 하나가 자체 캐릭터로 수행한 반복 테스트를 대신할 수는 없습니다.

3. 텍스트 기반 시점 제어

전통적인 모션 전이는 소스 연기 영상의 카메라 시점을 그대로 이어받는 경우가 많습니다. Wan Animate 2는 출력 시점을 드라이빙 비디오와 분리할 수 있는 텍스트 기반 제어 기능을 추가했습니다.

예를 들어 정면 드라이빙 클립으로 움직임을 유도하면서 프롬프트로 캐릭터의 3/4 시점이나 약간 낮은 카메라를 요청할 수 있습니다. 움직임은 적합하지만 소스 영상의 프레이밍이 목표 장면과 맞지 않을 때 유용합니다.

시점 변경은 여전히 생성적 재구성입니다. 참조 이미지에 보이지 않는 캐릭터 부분이 드러날 수 있으므로 앞면, 뒷면, 의상, 소품의 세부 요소가 새로 만들어지거나 달라지지 않았는지 확인해야 합니다.

4. Base 및 Distilled 모델

공개 릴리스에는 전체 추론 경로를 사용하는 Base 모델과 더 적은 디노이징 단계로 작동하는 Distillation 모델이 포함됩니다. 공식 Diffusers 예시는 Base에 40단계, Distilled에 10단계를 사용합니다.

Distilled 예시는 guidance_scale=1.0으로 설정하고 Euler flow solver를 사용합니다. 이 설정은 모델별로 다릅니다. Base 설정을 Distilled 체크포인트에 그대로 적용하는 것은 신뢰할 만한 비교 방법이 아닙니다.

5. 스트리밍을 목표로 하는 Lite 모델

프로젝트 소개에 따르면 Wan-Animate-2-Lite는 추론 지연 시간을 실시간 임계치까지 줄여 캐릭터 애니메이션 스트리밍을 지원합니다. 라이브 아바타와 인터랙티브 에이전트에 중요한 방향입니다.

하지만 8월 7일 릴리스 노트에는 Base와 Distillation 가중치만 있고 Lite 체크포인트는 없습니다. 팀에서 가중치, 엔드포인트, 데모 계약 또는 재현 가능한 지연 시간 사양을 공개하기 전까지 Lite는 발표된 변형으로 간주하세요. “실시간” 여부 역시 해상도, 클립 길이, 배치 크기, 하드웨어, 프레임당 측정인지 엔드투엔드 측정인지에 따라 달라집니다.

6. 다양한 실행 방식

공식 프로젝트에는 자체 추론 스크립트와 Gradio 인터페이스가 문서화되어 있습니다. Wan Animate 2는 Diffusers도 지원하며, ComfyUI에는 노드 기반 사용을 위한 네이티브 워크플로가 도입되었습니다. 기본 입력은 같지만 모델 패키징, 메모리 동작, 운영 제어 방식은 서로 다릅니다.

Wan Animate 2 모델 비교

Diffusers 저장소는 패키징 방식의 차이일 뿐, 별도의 모델 등급이 아닙니다. 실행할 파이프라인에 따라 Base Diffusers 체크포인트 또는 Distilled Diffusers 체크포인트를 사용하세요.

Wan Animate 2의 작동 방식

실제 워크플로는 다음과 같습니다.

1. 참조 이미지를 준비합니다. 한 명의 캐릭터가 선명하게 보이고 조명이 안정적이며 얼굴과 의상 세부 사항을 확인할 수 있는 충분한 해상도의 이미지를 사용하세요.
2. 드라이빙 비디오를 준비합니다. 연기자가 계속 보이도록 하고 불필요한 컷을 피하며, 실제로 필요한 움직임이 드러나는 짧은 클립부터 시작하세요.
3. 동작이 아닌 외형을 설명합니다. 공식 워크플로는 LLM으로 캐릭터 외형과 배경을 다루는 객관적인 캡션을 만들되 동작 및 감정 추측은 제외하도록 요청합니다.
4. 세 입력을 인코딩합니다. 참조 이미지는 정체성, 비디오는 시간적 움직임, 프롬프트는 외형과 시점 지시를 정의합니다.
5. Base 또는 Distilled 추론으로 디노이징합니다. 모델은 세 소스 모두를 조건으로 시간적 일관성이 있는 비디오 잠재 표현을 생성합니다.
6. 디코딩하고 내보냅니다. 공식 Diffusers 예시는 24 fps로 출력합니다.

이러한 역할 분담이 중요합니다. 드라이빙 비디오와 모순되는 동작 설명을 외형 프롬프트에 넣어 서로 충돌하게 만들지 마세요. 움직임은 비디오에 맡기고 텍스트로 대상 캐릭터와 카메라를 명확히 지정하세요.

하드웨어 요구 사항과 현실적인 기대치

Wan Animate 2는 14B 비디오 모델이므로 공식 참조 구성은 일반적인 소비자용 이미지 생성 워크플로보다 훨씬 무겁습니다.

저장소에 따르면 기본 병렬 구성은 A800 GPU 8개로 720p를 처리하도록 조정되어 있습니다. 팀은 A800 GPU 2개에서 480p도 테스트했습니다. 다른 구성에서는 병렬 YAML 설정을 변경해야 합니다.

이는 공식 테스트 구성이지 범용 최소 요구 사항이 아닙니다. 오프로딩, 양자화, 낮은 해상도, 짧은 클립, ComfyUI 최적화에 따라 메모리 사용량이 달라질 수 있으므로 특정 소비자용 GPU가 작동하지 않는다는 증거는 아닙니다. 동시에 더 작은 카드에서 실용적인 속도를 보장하는 것도 아닙니다.

현실적인 로컬 테스트 계획은 다음과 같습니다.

• 480p의 짧은 드라이빙 클립부터 시작합니다.
• Base보다 Distilled 체크포인트를 먼저 사용합니다.
• 한 클립이 안정적으로 완료되기 전까지 긴 배치를 피합니다.
• VRAM과 시스템 RAM을 모두 모니터링합니다.
• 콜드 스타트 시간과 생성 시간을 따로 기록합니다.
• 미리보기당 소요 시간이 아니라 사용 가능한 결과물당 비용을 비교합니다.

커뮤니티 FP8 또는 GGUF 변환은 하드웨어 장벽을 낮출 수 있지만 공식 BF16 체크포인트와 동일한 결과물이 아닙니다. 프로덕션에서 변환 모델을 사용하기 전에 출처, 체크섬, 노드 호환성, 출력 품질을 확인하세요.

공식 저장소에서 Wan Animate 2 설치하기

공식 설정은 Python 3.11, CUDA 12.6 휠용 PyTorch 2.7, FlashAttention, 저장소의 editable 설치를 사용합니다.

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 .

Hugging Face CLI로 메인 체크포인트를 다운로드합니다.

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

저장소에는 Base와 Distillation 추론용 YAML 파일이 별도로 있습니다. 작업을 시작하기 전에 병렬 설정을 확인하세요. 기본값은 앞서 설명한 다중 A800 구성을 전제로 합니다.

Diffusers에서 Wan Animate 2 사용하기

프로젝트가 명시한 다음 패키지 릴리스에 지원이 포함될 때까지 공식 지침은 Diffusers를 소스에서 설치합니다.

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

최소 Base 파이프라인은 다음 패턴을 따릅니다.

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)

Distilled 패키지는 공개된 구성으로 시작합니다.

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",
)

이 예시는 시작점일 뿐 배포 코드가 아닙니다. 서비스에는 입력 검증, 비디오 디코딩 제한, 타임아웃, 대기열 제어, 모델 워밍업, 출력 저장소, 실패 처리도 필요합니다.

Wan Animate 2 ComfyUI 워크플로

파이프라인을 시각적으로 확인하고 변경하려는 크리에이터에게는 ComfyUI가 더 접근하기 쉬운 선택입니다. 새로운 통합은 WanAnimate2ToVideo를 중심으로 구성되며, WanAnimate2Cache는 시스템 메모리를 더 사용하는 대신 반복 계산을 가속할 수 있습니다. ComfyUI의 설명에 따르면 출시 자료에서 캐시가 생성 시간을 약 절반으로 줄일 수 있다고 하지만, 실제 효과는 그래프, 하드웨어, 해상도, 클립 길이에 따라 달라집니다.

단계별 설정

1. ComfyUI를 업데이트합니다. Wan Animate 2 노드가 포함된 버전을 사용하세요. 템플릿을 열었을 때 핵심 노드가 누락되어 있다면 안정 버전 또는 Desktop 빌드가 필요한 릴리스보다 이전일 수 있습니다.
2. Wan Animate 2 워크플로를 불러옵니다. 기억에 의존해 그래프를 처음부터 만들기보다 공식 템플릿이나 공개된 ComfyUI 워크플로로 시작하세요.
3. 모델 다운로드를 해결합니다. 모든 로더가 Wan Animate 2 자산을 가리키는지 확인하세요. 이전 Wan2.2 Animate 체크포인트는 새 Animate 2 모델과 호환되지 않습니다.
4. 참조 이미지를 업로드합니다. 한 명의 피사체가 가리지 않은 상태로 보이고, 크기를 줄인 뒤에도 세부 요소를 읽을 수 있는 이미지를 사용하세요.
5. 드라이빙 비디오를 불러옵니다. 생성 전에 영상을 자르세요. 5초짜리 모션 테스트가 여러 동작이 섞인 긴 클립보다 문제를 진단하기 쉽습니다.
6. 외형 캡션을 작성합니다. 보이는 피사체와 배경 특성을 설명하세요. 드라이버와 다른 시점을 원한다면 간결한 카메라 시점 지시를 추가합니다.
7. Base 또는 Distilled를 선택합니다. 첫 호환성 및 모션 테스트에는 Distilled를 사용하고, 워크플로가 안정된 뒤 최종 품질을 비교할 때 Base로 전환하세요.
8. 보수적인 크기를 설정합니다. 480p 안팎에서 시작하고 너비와 높이를 워크플로의 잠재 표현 요구 사항에 맞춥니다.
9. 정상적인 기준선을 확보한 뒤 캐시를 활성화합니다. 메모리 또는 출력 문제가 핵심 워크플로 때문인지 최적화 때문인지 파악하기 쉬워집니다.
10. 짧은 생성 하나를 대기열에 넣습니다. 해상도나 길이를 늘리기 전에 정체성, 손, 가림, 모션 타이밍, 시점, 첫 프레임부터 마지막 프레임까지의 안정성을 확인하세요.

이전 워크플로와 새 ComfyUI 워크플로를 섞지 마세요

이전 Wan2.2 Animate 워크플로는 WanAnimateToVideo 같은 노드를 사용하며 Move 또는 Mix 모드에서 DWPose, 얼굴, 마스크, 배경 입력을 전처리할 수 있습니다. Wan Animate 2 워크플로는 새로운 WanAnimate2ToVideo 경로와 드라이빙 비디오 직접 조건화를 사용합니다.

튜토리얼에서 기존 wan2.2_animate_14B_bf16.safetensors, clip_vision_h, 포즈 추정기, Mix 모드 마스크를 다운로드하라고 한다면 이전 모델을 설명할 가능성이 높습니다. 유용한 튜토리얼일 수는 있지만 Wan Animate 2 설치 가이드는 아닙니다.

권장 시작 설정

가능한 경우 이 설정은 공식 예시를 반영합니다. 모든 로컬 ComfyUI 패키지가 동일한 제어 항목을 제공한다거나 480p가 모든 GPU에 맞는다는 의미는 아닙니다.

프롬프트 작성 가이드

공식 저장소는 LLM으로 객관적인 이미지 캡션을 생성하도록 권장합니다. 예시는 피사체 외형을 먼저, 배경을 그다음에 적는 엄격한 중국어 구조를 사용하며 동작 설명, 주관적 판단, 추정한 감정을 포함하지 않습니다.

언어 중립적인 템플릿은 다음과 같습니다.

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].

더 나은 프롬프트

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.

덜 좋은 프롬프트

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

약한 예시는 드라이빙 비디오에 이미 들어 있는 동작 지시를 반복하고 주관적인 표현을 추가합니다. 영어 캡션의 성능이 좋지 않다면 모델이 캐릭터를 보존하지 못한다고 결론짓기 전에 저장소가 권장하는 중국어 캡션 구조를 테스트하세요.

장점과 한계

Wan Animate 2가 특히 강한 영역

• 드라이빙 연기를 중간 포즈 시퀀스로 축약하지 않는 모션 전이.
• 참조 기반 정체성 및 스타일 보존.
• 드라이빙 비디오와 다른 카메라 시점 지정.
• 품질과 속도를 비교할 수 있는 Base 및 저단계 Distilled 옵션.
• 공식 저장소, Diffusers, Gradio, ComfyUI 실행 경로.
• Apache 2.0 저장소 라이선스와 공개 가중치.

여전히 신중하게 테스트해야 할 부분

• 공식 480p 및 720p 구성에 필요한 대규모 멀티 GPU 환경.
• 빠른 동작, 심한 모션 블러, 가림, 손, 신체 회전.
• 긴 클립과 장면 간 정체성 연속성.
• 보이지 않는 캐릭터 세부 요소를 새로 만들어야 하는 큰 카메라 변화.
• 다중 캐릭터 장면과 물체 상호작용.
• Base, Distilled, FP8, 커뮤니티 양자화 버전 간 품질 차이.
• Wan-Animate-2-Lite 출시 시점과 실제 환경에서의 지연 시간.

초기 소셜 비교에서는 의견이 엇갈립니다. 인상적인 움직임과 시점 제어를 보고한 크리에이터도 있지만, 특정 빠른 동작 또는 비디오-투-비디오 예시에서는 이전 시스템을 선호하는 사람도 있습니다. 커뮤니티 토론과 초기 비교 영상은 테스트 항목을 찾는 데 유용하지만, 모든 시도와 정확한 설정, 소스 미디어 권리, 채택된 클립당 비용을 공개하지는 않습니다. 순위표가 아니라 가설로 받아들이세요.

Wan Animate 2와 Wan2.2 Animate 비교

문서화된 Move/Mix 교체 프로세스가 구체적으로 필요하거나 이미 안정적인 프로덕션 그래프가 있다면 이전 워크플로를 선택하세요. 직접적인 모션 충실도, 정체성, 독립적인 시점 제어가 더 중요하다면 Wan Animate 2를 평가하세요.

가장 적합한 사용 사례

Wan Animate 2는 다음 용도에 유망합니다.

• 배우의 연기로 스타일화된 캐릭터 애니메이션 만들기.
• 가상 발표자 및 아바타 프로토타입.
• 광고 마스코트 및 브랜드 캐릭터.
• 하나의 드라이빙 테이크로 카메라 대안을 만드는 프리비즈.
• 짧은 소셜 클립과 내러티브 삽입 영상.
• 게임, 애니메이션, 영화 콘셉트 개발.
• Lite가 재현 가능한 방식으로 제공된 이후의 스트리밍 애니메이션 연구.

긴 연속 장면, 정확한 제품 시연, 복잡한 다중 캐릭터 액션, 현재 시점의 라이브 스트리밍에는 자체 테스트에서 필요한 일관성과 지연 시간을 입증하지 않는 한 우선 선택으로 적합하지 않습니다.

라이선스 및 상업적 이용

Wan-Animate-2 저장소는 Apache 2.0 라이선스를 따릅니다. 일반적으로 라이선스 조건에 따라 상업적 사용을 포함한 이용, 수정, 배포가 허용됩니다.

저장소 라이선스는 상업적 검토의 한 부분에 불과합니다. 팀은 참조 이미지, 드라이빙 연기, 초상, 의상, 음악, 배경 자산에 대한 권리도 보유해야 합니다. 적절한 동의 없이 실제 인물의 정체성이나 연기를 애니메이션으로 만들지 마세요. 코드 또는 수정된 패키지를 재배포할 때는 관련 라이선스와 저작자 표시를 유지하세요.

Wan Animate 2 이용 경로

다음 기본 자료를 이용하세요.

• Wan-Animate-2 공식 GitHub 저장소
• 공식 14B 모델 패키지
• Base Diffusers 패키지
• Distilled Diffusers 패키지
• 공식 ComfyUI 워크플로

Poyo.ai에는 현재 move 및 replace 경로가 분리된 기존 Wan Animate API가 있습니다. 이 목록은 본 가이드에서 설명한 새로운 Wan Animate 2 체크포인트가 아니라 이전 프로덕션 모델을 가리킵니다. 이 글은 Wan Animate 2가 현재 Poyo.ai API를 통해 제공된다고 주장하지 않습니다.

최종 평가

Wan Animate 2는 두 가지 중요한 아키텍처 방향을 택했습니다. 드라이빙 비디오를 직접 사용하고, 텍스트로 소스와 다른 카메라 시점을 제어합니다. 이 두 변화는 캐릭터 애니메이션의 고질적인 문제인 모션 세부 정보 손실과 연기자 촬영 카메라에 시점이 고정되는 문제를 겨냥합니다.

Base와 Distilled가 공개되어 공식 코드, Diffusers, ComfyUI에서 지금 바로 시스템을 테스트할 수 있습니다. 현실적인 제약도 명확합니다. 공식 하드웨어 구성은 크고, 모델은 새로 나왔으며, Lite의 출시 여부는 확정되지 않았고, 까다로운 움직임은 통제된 평가가 필요합니다.

짧은 480p Distilled 실행부터 시작하고 외형 캡션은 객관적으로 유지하며 한 번에 하나의 변수만 바꾸세요. 출시 데모의 인상보다 실제로 사용할 수 있는 프레임을 기준으로 결과를 비교하세요. 이러한 과정이 보편적인 “최고의 캐릭터 애니메이션 모델”이라는 주장보다 더 많은 정보를 제공합니다.

자주 묻는 질문

Wan Animate 2와 Wan2.2 Animate는 같은 모델인가요?

아닙니다. Wan Animate 2는 드라이빙 비디오를 직접 처리하고 텍스트 기반 시점 제어를 추가한 재설계된 엔드투엔드 아키텍처를 사용합니다. 체크포인트 이름에 여전히 Wan2.2가 들어 있어 검색과 튜토리얼에서 혼동이 생깁니다.

Wan Animate 2는 오픈 소스인가요?

공식 저장소와 공개된 가중치는 일반에 공개되어 있으며 저장소는 Apache 2.0 라이선스를 따릅니다. 정확한 배포 또는 상업적 사용 사례에 대해서는 라이선스와 모델 파일을 검토하세요.

어떤 Wan Animate 2 모델을 다운로드할 수 있나요?

8월 7일 릴리스에는 Base 및 Distillation 가중치가 포함됩니다. 두 모델 모두 Diffusers 패키지가 있습니다. Wan-Animate-2-Lite는 발표됐지만 초기 공개 가중치 릴리스 목록에는 없었습니다.

Base와 Distilled의 차이는 무엇인가요?

공식 Diffusers 예시는 Base에 40단계, Distilled에 10단계를 사용합니다. Distilled는 guidance scale 1.0과 Euler flow solver도 사용합니다. 반복 작업은 Distilled로 시작하고 동일한 입력을 Base에서 비교해 최종 품질을 판단하세요.

ComfyUI에서 Wan Animate 2를 실행할 수 있나요?

예. 업데이트된 ComfyUI 빌드와 WanAnimate2ToVideo 기반 Wan Animate 2 워크플로를 사용하세요. WanAnimateToVideo 기반의 이전 Wan2.2 Animate 그래프와 혼동하지 마세요.

Wan Animate 2에는 어떤 GPU가 필요한가요?

공식 저장소는 A800 GPU 8개에서 720p를 처리하도록 조정되었으며 A800 GPU 2개에서 480p를 테스트했다고 보고합니다. 오프로딩이나 최적화된 가중치로 다른 하드웨어에서도 작동할 수 있지만, 이 공식 수치만으로 단일 소비자용 GPU 최소 사양이 정해지지는 않습니다.

Wan Animate 2는 실시간 애니메이션을 지원하나요?

팀은 Wan-Animate-2-Lite가 스트리밍용 실시간 임계치에 도달한다고 밝혔지만, 초기 릴리스 노트에는 Lite 가중치가 기재되지 않았습니다. 라이브 제품을 계획하기 전에 재현 가능한 공개 패키지를 기다리고 전체 지연 시간 경로를 테스트하세요.

출력 카메라를 드라이빙 비디오와 다른 시점으로 만들 수 있나요?

예. 텍스트 기반 시점 제어는 모델의 핵심 기능 중 하나입니다. 큰 시점 변화에서는 보이지 않은 세부 정보를 모델이 생성해야 할 수 있으므로 캐릭터와 의상의 일관성을 주의 깊게 확인하세요.

프롬프트에 동작을 설명해야 하나요?

일반적으로는 아닙니다. 동작은 드라이빙 비디오에 맡기세요. 공식 워크플로는 동작이나 추정한 감정 없이 캐릭터 외형과 배경을 객관적으로 설명하도록 권장합니다. 필요할 때만 간결한 시점 지시를 추가하세요.

Poyo.ai에서 새로운 Wan Animate 2 API를 제공하나요?

이 상태를 확인한 시점에는 제공하지 않습니다. Poyo.ai의 현재 Wan Animate 목록은 이전 move/replace API입니다. 새로운 Wan Animate 2 릴리스에는 공식 저장소, Diffusers 패키지 또는 ComfyUI 워크플로를 사용하세요.