Wan Animate 2: recursos, modelos, ComfyUI e guia completo

O Wan Animate 2 é um framework aberto para animação de personagens, desenvolvido pela equipe Wan. A partir de uma imagem de referência e de um vídeo-guia, ele cria uma nova sequência na qual o personagem reproduz o movimento sem perder sua identidade visual. Ao contrário do pipeline anterior do Wan2.2 Animate, o novo sistema entrega o vídeo-guia diretamente a um Diffusion Transformer redesenhado, sem depender de um extrator intermediário de pose ou movimento.

Outro destaque é o controle do ponto de vista por texto. A câmera do resultado não precisa reproduzir exatamente a perspectiva do vídeo-guia: o criador pode transferir a ação e, ao mesmo tempo, pedir outro ângulo do personagem. Em 7 de agosto de 2026, a equipe publicou o código de inferência e os pesos Base e Distillation. Também anunciou o Wan-Animate-2-Lite, voltado a streaming, mas essa variante não estava entre os pesos disponibilizados naquele lançamento.

Este guia separa informações confirmadas de hipóteses da comunidade, explica as opções de modelo e mostra os caminhos pelo repositório oficial, pelo Diffusers e pelo novo workflow do ComfyUI.

Informações verificadas em 17 de agosto de 2026. O Wan Animate 2 evolui rapidamente: nomes de nós, formatos de distribuição dos modelos e otimizações de hardware podem mudar. Consulte o repositório oficial do Wan-Animate-2 antes de montar um workflow de produção.

Visão geral do Wan Animate 2

O que é o Wan Animate 2?

O Wan Animate 2 não é um modelo genérico de texto para vídeo. Seu workflow principal recebe três entradas:

1. Uma imagem de referência que define o personagem-alvo e a aparência da cena.
2. Um vídeo-guia que fornece o movimento ao longo do tempo.
3. Uma descrição estruturada da aparência do personagem, do cenário e, opcionalmente, do ponto de vista desejado.

O resultado é uma nova interpretação em vídeo do personagem. Por isso, o modelo interessa a quem cria personagens digitais, apresentadores virtuais, avatares estilizados, mascotes de publicidade, animações curtas e pré-visualizações de movimento.

O nome pode confundir. O checkpoint para download se chama Wan2.2-Animate-2-14B, porém o Wan Animate 2 é um framework novo, e não apenas outra denominação para o workflow original do Wan2.2 Animate. Como as buscas por “wan 2.2 animate”, “wan animate” e “wan animate 2” ainda se misturam, confira sempre o nome do checkpoint e a versão dos nós antes de baixar qualquer arquivo.

Principais recursos do Wan Animate 2

1. Condicionamento direto pelo vídeo-guia

Muitos sistemas anteriores transformam a performance em dados de pose, rosto, esqueleto ou outras representações de movimento antes da geração. Cada conversão pode eliminar detalhes ou criar erros de alinhamento.

O Wan Animate 2 processa o vídeo-guia dentro do próprio Diffusion Transformer redesenhado. A meta declarada é reproduzir o movimento com mais fidelidade e preservar melhor a identidade, dispensando o extrator intermediário. Isso não quer dizer que toda implementação deixe de fazer pré-processamento; quer dizer que o sinal principal de movimento não é reduzido a uma sequência de poses antes de chegar ao modelo.

2. Preservação de identidade mais forte

A imagem de referência define rosto, corpo, roupas e estilo. O condicionamento direto busca manter esses elementos estáveis enquanto o vídeo-guia muda poses e expressões.

Ainda assim, é preciso testar a consistência da identidade em situações difíceis: giros rápidos, auto-oclusão, mãos na frente do rosto, motion blur, movimento de corpo inteiro, proporções incomuns e grandes variações de escala. Uma demonstração de lançamento bem-sucedida não substitui testes repetidos com o seu personagem.

3. Controle de ponto de vista orientado por texto

Na transferência de movimento tradicional, o resultado costuma herdar a câmera da performance original. O Wan Animate 2 adiciona um controle por texto capaz de separar o ponto de vista final daquele usado no vídeo-guia.

Por exemplo, uma gravação frontal pode fornecer o movimento enquanto o prompt pede uma vista em três quartos ou uma câmera um pouco mais baixa. Isso ajuda quando a performance está correta, mas o enquadramento de origem não combina com o plano desejado.

Essas mudanças de ponto de vista continuam sendo reconstruções generativas. Como podem expor partes ausentes da imagem de referência, verifique se frente, costas, figurino e acessórios ganharam detalhes inventados ou inconsistentes.

4. Modelos Base e Distilled

O lançamento público inclui o modelo Base, destinado ao caminho completo de inferência, e o modelo Distillation, que trabalha com menos etapas de remoção de ruído. No exemplo oficial do Diffusers, Base usa 40 etapas e Distilled usa 10.

O exemplo Distilled também define guidance_scale=1.0 e adota o flow solver Euler. Esses parâmetros são específicos da variante; copiar a configuração de Base para o checkpoint Distilled não gera uma comparação confiável.

5. Um modelo Lite voltado para streaming

A apresentação do projeto afirma que o Wan-Animate-2-Lite reduz a latência de inferência até níveis compatíveis com animação em streaming em tempo real. É uma direção importante para avatares ao vivo e agentes interativos.

As notas de 7 de agosto, porém, listam somente Base e Distillation, sem um checkpoint Lite. Por enquanto, trate Lite como uma variante anunciada, até que a equipe publique pesos, endpoint, condições da demonstração ou medições reproduzíveis de latência. Além disso, “tempo real” depende da resolução, da duração, do tamanho do lote, do hardware e de a latência ser medida por quadro ou de ponta a ponta.

6. Várias formas de executar o modelo

O projeto oficial documenta os scripts de inferência e uma interface Gradio. Também há suporte ao Diffusers e um workflow nativo no ComfyUI. Os caminhos usam as mesmas entradas fundamentais, mas diferem no formato dos modelos, no uso de memória e no controle operacional.

Comparação dos modelos Wan Animate 2

Os repositórios Diffusers são formatos de distribuição, não níveis adicionais do modelo. Escolha o checkpoint Base Diffusers ou o checkpoint Distilled Diffusers conforme a pipeline que pretende executar.

Como o Wan Animate 2 funciona

Na prática, o workflow segue estas etapas:

1. Prepare a imagem de referência. Escolha um único personagem bem visível, luz estável e resolução suficiente para preservar detalhes do rosto e do figurino.
2. Prepare o vídeo-guia. Mantenha o intérprete no quadro, evite cortes desnecessários e comece com um clipe curto que mostre exatamente o movimento necessário.
3. Descreva a aparência, não a ação. No workflow oficial, um LLM cria uma legenda objetiva sobre o personagem e o cenário, sem descrever ações ou presumir emoções.
4. Codifique as três entradas. A imagem estabelece a identidade, o vídeo fornece o movimento temporal e o prompt esclarece aparência e ponto de vista.
5. Remova o ruído com Base ou Distilled. Condicionado pelas três fontes, o modelo produz uma representação latente de vídeo coerente ao longo do tempo.
6. Decodifique e exporte. O exemplo oficial do Diffusers gera o arquivo a 24 fps.

Essa separação de funções é importante. Não tente contrariar o vídeo-guia com uma ação diferente no prompt de aparência. Deixe o vídeo controlar o movimento e use o texto para definir o personagem e a câmera sem ambiguidade.

Requisitos de hardware e expectativas realistas

O Wan Animate 2 é um modelo de vídeo com 14 bilhões de parâmetros. Por isso, a configuração oficial de referência é bem mais pesada do que um workflow comum de geração de imagens em hardware doméstico.

O repositório informa que a configuração paralela padrão foi ajustada para 8 GPUs A800 em 720p. A equipe também testou 480p em 2 GPUs A800. Para outras máquinas, é preciso modificar o YAML de paralelismo.

Essas são configurações verificadas oficialmente, e não requisitos mínimos universais. Elas não provam que uma GPU de consumo seja incompatível: offloading, quantização, resolução menor, clipes curtos e otimizações do ComfyUI podem mudar o uso de memória. Também não garantem desempenho aceitável em uma placa menos potente.

Para realizar um teste local honesto:

• comece em 480p com um vídeo-guia curto;
• teste o checkpoint Distilled antes do Base;
• evite lotes longos até que um único clipe seja concluído de forma confiável;
• acompanhe tanto a VRAM quanto a RAM do sistema;
• meça a inicialização a frio separadamente do tempo de geração;
• compare o custo por resultado utilizável, não apenas os segundos por prévia.

Conversões FP8 ou GGUF da comunidade podem diminuir a exigência de hardware, mas não são os mesmos artefatos dos checkpoints BF16 oficiais. Antes de adotar uma conversão em produção, confira a origem, o checksum, a compatibilidade com os nós e a qualidade das saídas.

Como instalar o Wan Animate 2 a partir do repositório oficial

O ambiente oficial usa Python 3.11, PyTorch 2.7 com wheels para CUDA 12.6, FlashAttention e a instalação editável do repositório.

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 .

Em seguida, baixe o checkpoint principal pela CLI do Hugging Face:

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

O repositório traz arquivos YAML separados para inferência Base e Distillation. Revise os parâmetros de paralelismo antes de iniciar um job, pois os valores padrão pressupõem a configuração multi-A800 descrita acima.

Wan Animate 2 com Diffusers

Até que o suporte entre na próxima versão empacotada indicada pelo projeto, as instruções oficiais instalam o Diffusers diretamente do código-fonte:

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

Uma pipeline Base mínima segue este formato:

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)

No pacote Distilled, comece pela configuração publicada:

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",
)

Os exemplos são apenas pontos de partida, não código pronto para produção. Um serviço real também precisa validar entradas, limitar a decodificação de vídeo, aplicar timeouts, controlar filas, aquecer o modelo, armazenar resultados e tratar falhas.

Fluxo de trabalho do Wan Animate 2 no ComfyUI

Para quem deseja visualizar e modificar a pipeline, o ComfyUI é a opção mais acessível. A nova integração gira em torno de WanAnimate2ToVideo; já WanAnimate2Cache consome mais RAM do sistema para acelerar cálculos repetidos. No material de lançamento, o ComfyUI afirma que o cache pode reduzir o tempo de geração aproximadamente pela metade, embora o ganho real varie conforme o grafo, o hardware, a resolução e a duração do clipe.

Configuração passo a passo

1. Atualize o ComfyUI. Use uma versão que inclua os nós do Wan Animate 2. Se o template abrir com nós essenciais ausentes, sua build Stable ou Desktop pode estar atrás da versão necessária.
2. Abra o workflow do Wan Animate 2. Comece pelo template oficial ou pelo workflow publicado no ComfyUI, em vez de tentar refazer o grafo de memória.
3. Conclua os downloads de modelos. Confirme se todos os loaders apontam para os arquivos do Wan Animate 2. Um checkpoint antigo do Wan2.2 Animate não pode substituir o novo Animate 2.
4. Envie a imagem de referência. Prefira um único personagem sem obstruções, com detalhes que continuem legíveis após o redimensionamento.
5. Carregue o vídeo-guia. Corte o arquivo antes de gerar. Um teste de movimento com cinco segundos é muito mais fácil de diagnosticar do que um clipe longo com várias ações.
6. Escreva a descrição visual. Informe os traços visíveis do personagem e do cenário. Caso queira uma câmera diferente da gravação-guia, acrescente uma instrução curta de ponto de vista.
7. Escolha Base ou Distilled. Use Distilled nos primeiros testes de compatibilidade e movimento; mude para Base quando o workflow estiver estável e for hora de comparar a qualidade final.
8. Adote dimensões conservadoras. Comece por volta de 480p e mantenha largura e altura compatíveis com os requisitos latentes do workflow.
9. Só ligue o cache depois de obter uma referência limpa. Assim fica mais fácil identificar se um problema de memória ou saída vem da pipeline principal ou da otimização.
10. Coloque apenas uma geração curta na fila. Antes de aumentar resolução ou duração, avalie identidade, mãos, oclusões, ritmo do movimento, ponto de vista e estabilidade do primeiro ao último quadro.

Não misture os fluxos de trabalho antigos e novos do ComfyUI

O workflow antigo do Wan2.2 Animate usa nós como WanAnimateToVideo e pode pré-processar DWPose, rosto, máscara e cenário nos modos Move ou Mix. Já o Wan Animate 2 segue o novo caminho WanAnimate2ToVideo, com condicionamento direto pelo vídeo-guia.

Se um tutorial pedir wan2.2_animate_14B_bf16.safetensors, clip_vision_h, um estimador de pose e máscaras do modo Mix, provavelmente está explicando o modelo anterior. O conteúdo ainda pode ser útil, mas não serve como guia de instalação do Wan Animate 2.

Configurações iniciais recomendadas

Sempre que possível, essas configurações reproduzem os exemplos oficiais. A tabela não garante que todo pacote local do ComfyUI mostre os mesmos controles nem que 480p caiba em qualquer GPU.

Como escrever o prompt

O repositório oficial recomenda pedir a um LLM uma descrição objetiva da imagem. O exemplo segue uma estrutura rígida em chinês: primeiro a aparência do personagem, depois o cenário, sem ação, avaliação subjetiva ou emoção presumida.

Um template independente do idioma é:

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 melhor

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 mais fraco

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

O exemplo mais fraco repete instruções de movimento já presentes no vídeo-guia e acrescenta linguagem subjetiva. Se uma descrição em inglês render mal, teste a estrutura chinesa recomendada no repositório antes de concluir que o modelo não consegue preservar o personagem.

Pontos fortes e limitações

Onde o Wan Animate 2 parece funcionar melhor

• Transfere o movimento sem reduzir a performance-guia a uma sequência intermediária de poses.
• Preserva identidade e estilo a partir da imagem de referência.
• Permite usar um ponto de vista diferente daquele do vídeo-guia.
• Oferece Base e uma variante Distilled de menos etapas para comparar qualidade e velocidade.
• Conta com caminhos oficiais pelo repositório, Diffusers, Gradio e ComfyUI.
• Publica os pesos e aplica a licença Apache 2.0 ao repositório.

O que ainda exige testes rigorosos

• As configurações oficiais de 480p e 720p exigem muitas GPUs.
• Ação rápida, motion blur forte, oclusões, mãos e giros do corpo continuam difíceis.
• Clipes longos desafiam a continuidade da identidade entre planos.
• Grandes mudanças de câmera obrigam o modelo a inventar detalhes nunca mostrados.
• Cenas com vários personagens e interações com objetos são mais complexas.
• Base, Distilled, FP8 e quantizações da comunidade podem apresentar qualidade diferente.
• A data de lançamento e a latência real do Wan-Animate-2-Lite ainda não estão definidas.

As primeiras comparações nas redes sociais não chegam a uma conclusão única. Alguns criadores elogiam o movimento e o controle de ponto de vista; outros preferem sistemas anteriores em certos testes de vídeo para vídeo ou com ações rápidas. Esta discussão da comunidade e este vídeo comparativo inicial sugerem bons testes, mas não revelam todas as tentativas, parâmetros exatos, direitos sobre a mídia de origem ou custo por clipe aprovado. Trate-os como hipóteses a verificar, e não como um ranking.

Wan Animate 2 vs Wan2.2 Animate

Mantenha o workflow anterior quando precisar especificamente do processo Move/Mix documentado ou já tiver um grafo de produção estável. Teste o Wan Animate 2 quando a fidelidade ao movimento direto, a preservação da identidade ou o controle independente do ponto de vista tiverem prioridade.

Melhores casos de uso

O Wan Animate 2 pode ser uma boa escolha para:

• animar personagens estilizados a partir da performance de um ator;
• prototipar apresentadores virtuais e avatares;
• movimentar mascotes de publicidade e personagens de marca;
• pré-visualizar diferentes câmeras com uma única tomada-guia;
• produzir clipes curtos para redes sociais e inserções narrativas;
• desenvolver conceitos de jogos, animação e cinema;
• pesquisar animação por streaming quando Lite estiver disponível de maneira reproduzível.

Como primeira opção, ele é menos indicado para cenas longas sem cortes, demonstrações de produto que exigem precisão absoluta, ação com muitos personagens ou streaming ao vivo no momento, salvo se testes próprios comprovarem consistência e latência suficientes.

Licença e uso comercial

O repositório Wan-Animate-2 usa a licença Apache 2.0. Em linhas gerais, ela permite usar, modificar e redistribuir o material, inclusive comercialmente, desde que suas condições sejam respeitadas.

A licença do código é apenas uma etapa da análise comercial. A equipe também precisa dos direitos sobre a imagem de referência, a performance-guia, a imagem da pessoa, as roupas, a música e qualquer elemento de cenário. Não anime a identidade ou a atuação de uma pessoa real sem o consentimento adequado. Ao redistribuir código ou pacotes modificados, preserve os avisos de licença e atribuição aplicáveis.

Onde acessar o Wan Animate 2

Consulte primeiro estas fontes:

• Repositório oficial do Wan-Animate-2 no GitHub
• Pacote oficial do modelo 14B
• Pacote Base Diffusers
• Pacote Distilled Diffusers
• Fluxo de trabalho oficial do ComfyUI

A Poyo.ai já oferece uma API Wan Animate, com rotas separadas para move e replace. Essa página se refere ao modelo de produção anterior, e não ao novo checkpoint Wan Animate 2 descrito aqui. Este artigo não afirma que o Wan Animate 2 já esteja disponível pela API da Poyo.ai.

Veredito final

O Wan Animate 2 aposta em duas decisões arquitetônicas relevantes: usar o vídeo-guia diretamente e permitir que o texto controle uma câmera diferente da fonte. Juntas, elas atacam dois problemas recorrentes da animação de personagens: a perda de detalhes do movimento e a câmera presa à gravação do intérprete.

Com Base e Distilled, já é possível testar o sistema pelo código oficial, pelo Diffusers e pelo ComfyUI. Os limites práticos também são evidentes: o hardware oficial é pesado, o modelo acabou de chegar, a disponibilidade do Lite segue indefinida e movimentos difíceis exigem avaliação controlada.

O melhor ponto de partida é um teste curto com Distilled em 480p. Mantenha objetiva a descrição visual, mude uma variável de cada vez e compare os resultados pelos quadros realmente utilizáveis, não pelo impacto da demonstração de lançamento. Esse processo ensina mais do que qualquer afirmação universal sobre o “melhor modelo de animação de personagens”.

FAQ

Wan Animate 2 é o mesmo que Wan2.2 Animate?

Não. O Wan Animate 2 adota uma arquitetura ponta a ponta redesenhada, processa diretamente o vídeo-guia e acrescenta controle de ponto de vista por texto. Como o checkpoint ainda contém Wan2.2 no nome, buscas e tutoriais frequentemente misturam os dois sistemas.

O Wan Animate 2 é de código aberto?

O repositório oficial e os pesos lançados são públicos, e o repositório usa a licença Apache 2.0. Para um caso específico de distribuição ou uso comercial, analise tanto a licença quanto os arquivos do modelo.

Quais modelos do Wan Animate 2 posso baixar?

O lançamento de 7 de agosto inclui os pesos Base e Distillation, ambos com pacotes Diffusers. O Wan-Animate-2-Lite foi anunciado, mas não apareceu entre os pesos publicados inicialmente.

Qual é a diferença entre Base e Distilled?

Nos exemplos oficiais do Diffusers, Base usa 40 etapas e Distilled usa 10. Para Distilled, também são indicados guidance scale 1.0 e flow solver Euler. Faça as iterações com Distilled e depois compare Base usando exatamente as mesmas entradas.

O Wan Animate 2 pode ser executado no ComfyUI?

Sim. Use uma build atualizada do ComfyUI e o workflow do Wan Animate 2 baseado em WanAnimate2ToVideo. O grafo antigo do Wan2.2 Animate, por sua vez, usa WanAnimateToVideo.

Qual GPU eu preciso para o Wan Animate 2?

O repositório oficial foi ajustado para 720p em 8 GPUs A800 e informa testes em 480p com 2 GPUs A800. Offloading ou pesos otimizados podem viabilizar outras máquinas, mas esses números não definem um requisito mínimo oficial para uma única GPU de consumo.

O Wan Animate 2 oferece suporte a animação em tempo real?

A equipe afirma que o Wan-Animate-2-Lite alcança patamares de tempo real para streaming, porém as notas do primeiro lançamento não listam pesos Lite. Antes de planejar um produto ao vivo, aguarde um pacote público reproduzível e meça toda a cadeia de latência.

A câmera de saída pode ser diferente do vídeo-guia?

Sim. O controle do ponto de vista por texto é um dos recursos centrais do modelo. Mudanças muito amplas podem obrigá-lo a inventar detalhes ausentes da referência; por isso, confira com cuidado a consistência do personagem e do figurino.

O prompt deve descrever a ação?

Em geral, não. A ação deve vir do vídeo-guia. O workflow oficial recomenda uma descrição objetiva do personagem e do cenário, sem ações ou emoções presumidas. Acrescente apenas uma indicação curta do ponto de vista quando necessário.

O Poyo.ai oferece a nova API do Wan Animate 2?

Não na data desta verificação. A página atual do Wan Animate na Poyo.ai corresponde à API anterior de move/replace. Para a nova versão do Wan Animate 2, use o repositório oficial, os pacotes Diffusers ou o workflow do ComfyUI.