Wan Animate 2: functies, modellen, ComfyUI en complete gids

Wan Animate 2 is een open framework voor personage-animatie van het Wan-team. Het neemt een referentieafbeelding en een stuurvideo en genereert daaruit een video waarin het personage uit de referentie de beweging volgt en zijn visuele identiteit behoudt. In tegenstelling tot de eerdere Wan2.2 Animate-pipeline voert het nieuwe systeem de stuurvideo rechtstreeks in een opnieuw ontworpen Diffusion Transformer in, in plaats van te vertrouwen op een tussenliggende pose- of bewegingsextractor.

De andere blikvanger is viewpointbesturing via tekst. De camera van de uitvoer hoeft het perspectief van de stuurvideo niet meer exact te kopiëren, dus een creator kan een actie overnemen en tegelijk om een ander gezichtspunt op het personage vragen. Het team bracht op 7 augustus 2026 inferentiecode uit, samen met de gewichten van Base en Distillation. Ook kondigde het Wan-Animate-2-Lite aan als variant voor streaming, al zat Lite niet in die openbare release van gewichten.

Deze gids scheidt die bevestigde feiten van aannames uit de community, legt de modelkeuzes uit en behandelt de officiële repository, Diffusers en de nieuwere ComfyUI-workflow.

Status gecontroleerd op 17 augustus 2026. Wan Animate 2 ontwikkelt zich razendsnel. Namen van nodes, de verpakking van modellen en hardware-optimalisaties kunnen veranderen. Controleer de officiële Wan-Animate-2-repository voordat je een productieworkflow bouwt.

Wan Animate 2 in een oogopslag

Wat is Wan Animate 2?

Wan Animate 2 is geen algemeen tekst-naar-video-model. De kernworkflow heeft drie invoeren:

1. Een referentieafbeelding die het uiterlijk van het doelpersonage en de scène bepaalt.
2. Een stuurvideo die de beweging in de tijd levert.
3. Een gestructureerde tekstbeschrijving met het uiterlijk van het personage, de achtergrond en eventueel het gewenste gezichtspunt.

De uitvoer is een nieuw gerenderde video van het personage. Dat maakt het model relevant voor digitale personages, virtuele presentatoren, gestileerde avatars, reclamemascottes, korte animaties en previsualisatie van bewegingen.

De naam kan verwarring wekken. De downloadbare checkpoint wordt gepubliceerd als Wan2.2-Animate-2-14B, maar Wan Animate 2 is een nieuw framework, niet zomaar een kleine hernoeming van de oorspronkelijke Wan2.2 Animate-workflow. Zoekresultaten voor “wan 2.2 animate”, “wan animate” en “wan animate 2” overlappen momenteel, dus controleer altijd de naam van de checkpoint en de versie van de node voordat je bestanden downloadt.

De belangrijkste functies van Wan Animate 2

1. Directe conditionering op de stuurvideo

Eerdere systemen voor personage-animatie zetten een uitvoering vaak eerst om in pose-, gezichts-, skelet- of andere bewegingsrepresentaties voordat er wordt gegenereerd. Elke omzetting kan details weggooien of uitlijningsfouten veroorzaken.

Wan Animate 2 verwerkt de stuurvideo daarentegen rechtstreeks in zijn opnieuw ontworpen Diffusion Transformer. Het uitgesproken doel is bewegingen met een hogere getrouwheid en een sterker behoud van identiteit, zonder tussenliggende bewegingsextractor. Dat betekent niet dat voorbewerking in elke implementatie volledig verdwijnt, maar het belangrijkste bewegingssignaal wordt niet meer teruggebracht tot een reeks poses voordat het het model bereikt.

2. Sterker behoud van identiteit

De referentieafbeelding levert het gezicht, het lichaam, de kleding en de stijl van het personage. Directe conditionering moet deze kenmerken stabieler houden terwijl de stuurvideo de pose en de expressie verandert.

Toch moet je de consistentie van de identiteit testen onder moeilijke omstandigheden: snelle draaiingen, zelfafdekking, handen voor het gezicht, bewegingsonscherpte, bewegingen van het hele lichaam, ongebruikelijke proporties en grote schaalverschillen. Een mooi voorbeeld uit de lancering komt niet in de plaats van herhaalde tests met je eigen personage.

3. Viewpointbesturing via tekst

Traditionele bewegingsoverdracht erft vaak het camerastandpunt van de bronuitvoering. Wan Animate 2 voegt besturing via tekst toe waarmee het gezichtspunt van de uitvoer los kan staan van de stuurvideo.

Een frontaal opgenomen stuurclip kan bijvoorbeeld de beweging bepalen, terwijl de prompt om een driekwartaanzicht of een iets lagere camera vraagt. Dat is handig als de beweging klopt maar de kadrering van de bronvideo niet bij de beoogde shot past.

Wijzigingen van het gezichtspunt blijven generatieve reconstructies. Ze kunnen delen van een personage laten zien die op de referentieafbeelding niet zichtbaar zijn, dus controleer details aan voor- en achterkant, kostuum en rekwisieten op verzinsels of afwijkingen.

4. Base- en Distilled-modellen

De openbare release bevat een Base-model voor het volledige inferentiepad en een Distillation-model voor minder denoising-stappen. Het officiële Diffusers-voorbeeld gebruikt 40 stappen voor Base en 10 stappen voor Distilled.

Het Distilled-voorbeeld stelt ook guidance_scale=1.0 in en gebruikt de Euler flow solver. Die instellingen zijn modelspecifiek: de instellingen van Base overnemen voor de Distilled-checkpoint is geen betrouwbare manier om ze te vergelijken.

5. Een Lite-model voor streaming

In de projectintroductie staat dat Wan-Animate-2-Lite de inferentielatentie terugbrengt tot realtimedrempels voor streaming van personage-animatie. Dat is een belangrijke richting voor live-avatars en interactieve agents.

In de releasenotes van 7 augustus staan echter de gewichten van Base en Distillation, geen Lite-checkpoint. Beschouw Lite als een aangekondigde variant totdat het team een gewicht, endpoint, democontract of reproduceerbare latentiespecificatie publiceert. “Realtime” hangt ook af van resolutie, cliplengte, batchgrootte, hardware en of de latentie per frame of end-to-end wordt gemeten.

6. Meerdere manieren om het model te draaien

Het officiële project documenteert eigen inferentiescripts en een Gradio-interface. Wan Animate 2 heeft ook ondersteuning voor Diffusers en ComfyUI heeft een native workflow geïntroduceerd voor gebruik op basis van nodes. Deze routes delen dezelfde basisinvoer, maar verschillen in verpakking van het model, geheugengedrag en operationele controle.

Wan Animate 2-modellen vergeleken

De Diffusers-repositories zijn keuzes voor verpakking, geen extra modelniveaus. Gebruik de Base Diffusers-checkpoint of de Distilled Diffusers-checkpoint, afhankelijk van de pipeline die je wilt draaien.

Hoe Wan Animate 2 werkt

In de praktijk ziet de workflow er zo uit:

1. Bereid de referentieafbeelding voor. Gebruik één duidelijk zichtbaar personage, stabiel licht en genoeg resolutie om gezichts- en kostuumdetails te tonen.
2. Bereid de stuurvideo voor. Houd de performer in beeld, vermijd onnodige sneden en begin met een korte clip die de beweging laat zien die je echt nodig hebt.
3. Beschrijf het uiterlijk, niet de actie. In de officiële workflow laat je een LLM een objectieve beschrijving maken van het uiterlijk van het personage en de achtergrond, zonder actie en zonder speculatie over emoties.
4. Codeer de drie invoeren. De referentieafbeelding bepaalt de identiteit, de video levert de beweging in de tijd en de prompt levert het uiterlijk en de instructies voor het gezichtspunt.
5. Denoise met Base- of Distilled-inferentie. Het model produceert een temporeel samenhangende videolatent, geconditioneerd op alle drie de bronnen.
6. Decodeer en exporteer. Het officiële Diffusers-voorbeeld exporteert met 24 fps.

Deze verdeling van verantwoordelijkheden is belangrijk. Gebruik de prompt voor het uiterlijk niet om met een tegenstrijdige actiebeschrijving tegen de stuurvideo in te gaan. Laat de video de beweging bepalen en gebruik tekst om het doelpersonage en de camera ondubbelzinnig vast te leggen.

Hardwarevereisten en realistische verwachtingen

Wan Animate 2 is een videomodel met 14B parameters, dus de officiële referentieopstelling is veel zwaarder dan een typische beeldgeneratieworkflow voor consumenten.

De repository geeft aan dat de standaard parallelle configuratie is afgestemd op 8× A800-GPU's bij 720p. Het team testte ook 480p op 2× A800-GPU's. Andere opstellingen vragen aanpassingen in de parallelle YAML-configuratie.

Dit zijn officieel geteste configuraties, geen universele minimumvereisten. Ze bewijzen niet dat een bepaalde consumenten-GPU niet werkt, want offloading, kwantisatie, een lagere resolutie, kortere clips en optimalisaties in ComfyUI kunnen het geheugengebruik veranderen. Ze garanderen ook geen praktische snelheid op een kleinere kaart.

Voor een eerlijk lokaal testplan:

• begin op 480p met een korte stuurclip;
• gebruik de Distilled-checkpoint vóór Base;
• vermijd lange batches totdat één clip betrouwbaar wordt voltooid;
• bewaak zowel VRAM als systeemgeheugen;
• leg de koude starttijd apart vast van de generatietijd;
• vergelijk de kosten per bruikbare uitvoer, niet alleen de seconden per voorbeeld.

Community-conversies naar FP8 of GGUF kunnen de hardwaredrempel verlagen, maar het zijn niet dezelfde artefacten als de officiële BF16-checkpoints. Controleer de bron, de checksum, de compatibiliteit van nodes en de uitvoerkwaliteit voordat je een conversie in productie gebruikt.

Wan Animate 2 installeren vanuit de officiële repository

De officiële installatie gebruikt Python 3.11, PyTorch 2.7 met CUDA 12.6-wheels, FlashAttention en een bewerkbare installatie van de repository.

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 de belangrijkste checkpoint met de Hugging Face CLI:

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

De repository bevat aparte YAML-bestanden voor inferentie met Base en met Distillation. Controleer de parallelle instellingen voordat je een job start; de standaardwaarden gaan uit van de hierboven beschreven opstelling met meerdere A800's.

Wan Animate 2 met Diffusers

Totdat de ondersteuning in de volgende verpakte release van het project zit, installeren de officiële instructies Diffusers vanaf de broncode:

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

Een minimale Base-pipeline volgt dit patroon:

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)

Begin voor het Distilled-pakket met de gepubliceerde configuratie:

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",
)

De voorbeelden zijn startpunten, geen deploymentcode. Een service heeft daarnaast invoervalidatie, limieten voor het decoderen van video, timeouts, wachtrijbeheer, warm-up van het model, opslag van uitvoer en foutafhandeling nodig.

De Wan Animate 2 ComfyUI-workflow

ComfyUI is de toegankelijkere optie voor creators die de pipeline visueel willen bekijken en aanpassen. De nieuwe integratie is opgebouwd rond WanAnimate2ToVideo, terwijl WanAnimate2Cache extra gebruik van systeemgeheugen kan inruilen voor snellere herhaalde berekeningen. ComfyUI beschrijft de cache in het lanceringsmateriaal als in staat om de generatietijd ruwweg te halveren, maar de werkelijke winst hangt af van de graph, de hardware, de resolutie en de cliplengte.

Installatie stap voor stap

1. Werk ComfyUI bij. Gebruik een versie met de nodes van Wan Animate 2. Als het sjabloon opent met ontbrekende kernnodes, loopt je stabiele of Desktop-build mogelijk achter op de vereiste release.
2. Laad de Wan Animate 2-workflow. Begin met het officiële sjabloon of de gepubliceerde ComfyUI-workflow in plaats van de graph uit het hoofd opnieuw op te bouwen.
3. Los de modeldownloads op. Controleer of elke loader naar assets van Wan Animate 2 verwijst. Een oudere Wan2.2 Animate-checkpoint is niet uitwisselbaar met het nieuwe Animate 2-model.
4. Upload de referentieafbeelding. Kies bij voorkeur één onbelemmerd onderwerp met details die ook na het schalen leesbaar blijven.
5. Laad de stuurvideo. Knip de video bij vóór het genereren. Een bewegingstest van vijf seconden is makkelijker te analyseren dan een lange clip met gemengde acties.
6. Schrijf de beschrijving van het uiterlijk. Beschrijf de zichtbare kenmerken van het onderwerp en de achtergrond. Voeg een beknopte instructie voor het camerastandpunt toe als je een ander gezichtspunt wilt dan dat van de stuurvideo.
7. Kies Base of Distilled. Gebruik Distilled voor de eerste compatibiliteits- en bewegingstests; schakel over op Base wanneer de workflow stabiel is en je de eindkwaliteit wilt vergelijken.
8. Stel voorzichtige afmetingen in. Begin rond 480p en houd breedte en hoogte in overeenstemming met de latente vereisten van de workflow.
9. Schakel de cache pas in na een schone basislijn. Zo kun je makkelijker zien of een geheugen- of uitvoerprobleem uit de kernworkflow komt of uit de optimalisatie.
10. Zet één korte generatie in de wachtrij. Controleer identiteit, handen, afdekking, timing van de beweging, gezichtspunt en stabiliteit van eerste tot laatste frame voordat je resolutie of duur verhoogt.

Meng de oude en de nieuwe ComfyUI-workflow niet

De oudere Wan2.2 Animate-workflow gebruikt nodes zoals WanAnimateToVideo en kan DWPose-, gezichts-, masker- en achtergrondinvoer voorbewerken voor de modi Move of Mix. De Wan Animate 2-workflow gebruikt het nieuwe pad WanAnimate2ToVideo en directe conditionering op de stuurvideo.

Als een tutorial vraagt om het originele wan2.2_animate_14B_bf16.safetensors, clip_vision_h, een pose-estimator en maskers voor de Mix-modus te downloaden, beschrijft die waarschijnlijk het eerdere model. Zo'n tutorial kan nog steeds nuttig zijn, maar het is geen installatiegids voor Wan Animate 2.

Aanbevolen startinstellingen

Deze instellingen volgen waar mogelijk de officiële voorbeelden. Ze beweren niet dat elk lokaal ComfyUI-pakket dezelfde besturing biedt of dat 480p op elke GPU past.

Gids voor prompts

De officiële repository adviseert om met een LLM een objectieve beschrijving van de afbeelding te laten genereren. Het voorbeeld gebruikt een strikte Chinese structuur: eerst het uiterlijk van het onderwerp, dan de achtergrond, zonder beschrijving van acties, subjectieve oordelen of afgeleide emoties.

Een taalneutraal sjabloon is:

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].

Betere 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.

Zwakkere prompt

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

De zwakkere versie herhaalt bewegingsinstructies die al in de stuurvideo zitten en voegt subjectieve taal toe. Presteert een Engelse beschrijving ondermaats, test dan de door de repository aanbevolen Chinese structuur voordat je concludeert dat het model het personage niet kan behouden.

Sterke punten en beperkingen

Waar Wan Animate 2 het sterkst lijkt

• Bewegingsoverdracht zonder de stuurperformance te reduceren tot een tussenliggende reeks poses.
• Behoud van identiteit en stijl op basis van een referentie.
• Een camerastandpunt dat kan afwijken van de stuurvideo.
• Base- en Distilled-opties met minder stappen om kwaliteit en snelheid te testen.
• Paden via de officiële repository, Diffusers, Gradio en ComfyUI.
• Apache 2.0-licentie op de repository en gepubliceerde gewichten.

Wat nog zorgvuldig getest moet worden

• De zware officiële multi-GPU-vereisten voor configuraties met 480p en 720p.
• Snelle actie, forse bewegingsonscherpte, afdekking, handen en lichaamsrotatie.
• Lange clips en continuïteit van de identiteit van shot tot shot.
• Grote cameraveranderingen waarbij onzichtbare details van het personage verzonnen moeten worden.
• Scènes met meerdere personages en interactie met objecten.
• Kwaliteitsverschillen tussen Base, Distilled, FP8 en gekwantiseerde community-versies.
• Het releasemoment en de latentie in de praktijk van Wan-Animate-2-Lite.

De eerste vergelijkingen op social media lopen uiteen. Sommige creators melden indrukwekkende beweging en viewpointbesturing; anderen geven voor bepaalde voorbeelden met snelle bewegingen of video-naar-video de voorkeur aan eerdere systemen. Een discussie in de community en een vroege vergelijkingsvideo zijn nuttig om tests te bedenken, maar ze publiceren niet elke poging, de exacte instellingen, de rechten op het bronmateriaal of de kosten per geaccepteerde clip. Zie ze als hypotheses, niet als een ranglijst.

Wan Animate 2 vs Wan2.2 Animate

Kies de oudere workflow als je specifiek het gedocumenteerde vervangingsproces met Move/Mix nodig hebt of al een stabiele productiegraph hebt. Evalueer Wan Animate 2 wanneer directe bewegingsgetrouwheid, identiteit of onafhankelijke viewpointbesturing belangrijker is.

Beste toepassingen

Wan Animate 2 is een veelbelovende keuze voor:

• gestileerde personages die worden geanimeerd vanuit de uitvoering van een acteur;
• virtuele presentatoren en prototypes van avatars;
• reclamemascottes en personages van merken;
• previz van cameraalternatieven met één stuuropname;
• korte socialmediaclips en narratieve inserts;
• conceptontwikkeling voor games, animatie en film;
• onderzoek naar streaminganimatie zodra Lite reproduceerbaar beschikbaar komt.

Het is op dit moment een zwakkere eerste keuze voor lange ononderbroken scènes, exacte productdemonstraties, drukke actie met veel personages of livestreaming, tenzij je eigen tests de benodigde consistentie en latentie aantonen.

Licentie en commercieel gebruik

De Wan-Animate-2-repository valt onder Apache 2.0. Dat staat over het algemeen gebruik, wijziging en distributie toe, ook commercieel, onder voorbehoud van de licentievoorwaarden.

De licentie van de repository is slechts één onderdeel van een commerciële beoordeling. Teams moeten ook beschikken over de rechten op de referentieafbeelding, de stuurperformance, de gelijkenis, de kleding, de muziek en alle achtergrondassets. Animeer de identiteit of uitvoering van een echt persoon niet zonder passende toestemming. Bewaar de relevante licentie- en naamsvermeldingen wanneer je code of aangepaste pakketten opnieuw distribueert.

Waar vind je Wan Animate 2

Gebruik deze primaire bronnen:

• Officiële GitHub-repository van Wan-Animate-2
• Officieel 14B-modelpakket
• Base Diffusers-pakket
• Distilled Diffusers-pakket
• Officiële ComfyUI-workflow

Poyo.ai heeft momenteel al een Wan Animate API met aparte routes voor move en replace. Die vermelding verwijst naar het eerdere productiemodel, niet naar de nieuwe Wan Animate 2-checkpoint die in deze gids wordt beschreven. In dit artikel wordt niet beweerd dat Wan Animate 2 momenteel beschikbaar is via de Poyo.ai-API.

Eindoordeel

Wan Animate 2 maakt twee betekenisvolle architectuurkeuzes: de stuurvideo rechtstreeks gebruiken en tekst een camerastandpunt laten bepalen dat kan afwijken van de bron. Samen pakken die wijzigingen twee hardnekkige problemen in personage-animatie aan: verloren bewegingsdetails en een camera die vastzit aan de opname van de performer.

Dankzij de releases van Base en Distilled kun je het systeem vandaag al testen via de officiële code, Diffusers en ComfyUI. De praktische beperkingen zijn even duidelijk: de officiële hardwareopstelling is groot, het model is nieuw, de beschikbaarheid van Lite staat nog niet vast en moeilijke bewegingen vragen nog altijd om gecontroleerde evaluatie.

Begin met een korte Distilled-run op 480p, houd de beschrijving van het uiterlijk objectief, wijzig één variabele tegelijk en vergelijk uitvoer op bruikbare frames in plaats van op de impact van een lanceringsdemo. Dat levert meer inzicht op dan welke universele claim over “het beste model voor personage-animatie” ook.

Veelgestelde vragen

Is Wan Animate 2 hetzelfde als Wan2.2 Animate?

Nee. Wan Animate 2 gebruikt een opnieuw ontworpen end-to-end architectuur die de stuurvideo rechtstreeks verwerkt en viewpointbesturing via tekst toevoegt. De naam van de checkpoint bevat nog steeds Wan2.2, wat zorgt voor verwarring in zoekresultaten en tutorials.

Is Wan Animate 2 open source?

De officiële repository en de uitgebrachte gewichten zijn openbaar en de repository valt onder Apache 2.0. Controleer de licentie en de modelbestanden voor jouw exacte distributie of commerciële toepassing.

Welke Wan Animate 2-modellen kan ik downloaden?

De release van 7 augustus bevat gewichten voor Base en Distillation. Voor beide bestaan Diffusers-pakketten. Wan-Animate-2-Lite is aangekondigd, maar stond niet in de eerste openbare releases van gewichten.

Wat is het verschil tussen Base en Distilled?

De officiële Diffusers-voorbeelden gebruiken 40 stappen voor Base en 10 stappen voor Distilled. Distilled gebruikt ook guidance scale 1,0 en de Euler flow solver. Begin met Distilled om te itereren en vergelijk Base met dezelfde invoer voor de eindkwaliteit.

Kan Wan Animate 2 draaien in ComfyUI?

Ja. Gebruik een bijgewerkte ComfyUI-build en de Wan Animate 2-workflow op basis van WanAnimate2ToVideo. Verwar die niet met de oudere Wan2.2 Animate-graph op basis van WanAnimateToVideo.

Welke GPU heb ik nodig voor Wan Animate 2?

De officiële repository is afgestemd op 720p op 8× A800-GPU's en meldt tests van 480p op 2× A800-GPU's. Andere hardware kan werken met offloading of geoptimaliseerde gewichten, maar deze officiële cijfers leggen geen enkel minimum voor een consumenten-GPU vast.

Ondersteunt Wan Animate 2 realtime animatie?

Het team zegt dat Wan-Animate-2-Lite realtimedrempels voor streaming haalt, maar de eerste releasenotes noemen geen Lite-gewichten. Wacht op een reproduceerbaar openbaar pakket en test het volledige latentiepad voordat je een liveproduct plant.

Kan de camera van de uitvoer afwijken van de stuurvideo?

Ja. Viewpointbesturing via tekst is een van de kernfuncties van het model. Bij grote wijzigingen moet het model mogelijk onzichtbare details genereren, dus controleer de consistentie van personage en kostuum zorgvuldig.

Moet de prompt de actie beschrijven?

Meestal niet. Laat de stuurvideo de actie bepalen. De officiële workflow adviseert een objectieve beschrijving van het uiterlijk van het personage en de achtergrond, zonder actie of afgeleide emotie. Voeg zo nodig een beknopte instructie voor het gezichtspunt toe.

Biedt Poyo.ai de nieuwe Wan Animate 2-API aan?

Niet op het moment van deze statuscontrole. De huidige Wan Animate-vermelding van Poyo.ai is de eerdere move/replace-API. Gebruik de officiële repository, de Diffusers-pakketten of de ComfyUI-workflow voor de nieuwe release van Wan Animate 2.