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

O Wan Animate 2 é uma framework aberta de animação de personagens da equipa Wan. Recebe uma imagem de referência e um vídeo de condução e gera um vídeo em que a personagem referenciada segue o movimento, mantendo a sua identidade visual. Ao contrário do pipeline anterior Wan2.2 Animate, o novo sistema alimenta o vídeo de condução diretamente a um Diffusion Transformer redesenhado, em vez de depender de um extrator intermédio de pose ou de movimento.

A outra funcionalidade de destaque é o controlo do ponto de vista por texto. A câmara de saída já não tem de copiar exatamente a perspetiva do vídeo de condução, pelo que um criador pode transferir uma ação e pedir, ao mesmo tempo, uma vista diferente da personagem. A equipa lançou o código de inferência e os pesos Base e Distillation a 7 de agosto de 2026. Anunciou também o Wan-Animate-2-Lite como uma variante orientada para streaming, embora o Lite não tenha sido incluído nesse lançamento público de pesos.

Este guia separa esses factos confirmados das suposições da comunidade, explica as escolhas de modelo e abrange o repositório oficial, o Diffusers e o novo workflow do ComfyUI.

Estado verificado a 17 de agosto de 2026. O Wan Animate 2 evolui depressa. Os nomes dos nós, o empacotamento dos modelos e as otimizações de hardware podem mudar. Consulta o repositório oficial do Wan-Animate-2 antes de montares um workflow de produção.

Wan Animate 2 num relance

O que é o Wan Animate 2?

O Wan Animate 2 não é um modelo geral de texto para vídeo. O seu fluxo de trabalho central tem três entradas:

1. Uma imagem de referência que define o aspeto da personagem e da cena de destino.
2. Um vídeo de condução que fornece o movimento ao longo do tempo.
3. Uma descrição de texto estruturada que indica o aspeto da personagem, o fundo e, opcionalmente, o ponto de vista pretendido.

O resultado é um vídeo da personagem renderizado de novo. Isto torna o modelo relevante para personagens digitais, apresentadores virtuais, avatares estilizados, mascotes publicitárias, animação de formato curto e pré-visualização de movimento.

O nome pode confundir. O checkpoint para transferir é publicado como Wan2.2-Animate-2-14B, mas o Wan Animate 2 é uma nova framework, e não apenas uma pequena mudança de nome do fluxo original do Wan2.2 Animate. Os resultados de pesquisa para “wan 2.2 animate”, “wan animate” e “wan animate 2” sobrepõem-se atualmente, por isso confirma sempre o nome do checkpoint e a versão dos nós antes de transferires ficheiros.

Principais funcionalidades do Wan Animate 2

1. Condicionamento direto pelo vídeo de condução

Os sistemas anteriores de animação de personagens costumam converter uma interpretação em representações de pose, de rosto, de esqueleto ou de outro tipo de movimento antes da geração. Cada conversão pode descartar detalhes ou introduzir erros de alinhamento.

O Wan Animate 2, em vez disso, consome o vídeo de condução dentro do seu Diffusion Transformer redesenhado. O objetivo declarado é um movimento de maior fidelidade e uma preservação mais forte da identidade, sem um extrator de movimento intermédio. Isto não significa que o pré-processamento desapareça por completo de todas as implementações, mas o principal sinal de movimento deixa de ser reduzido a uma sequência de poses antes de chegar ao modelo.

2. Preservação de identidade mais forte

A imagem de referência fornece o rosto, o corpo, o vestuário e o estilo da personagem. O condicionamento direto pretende manter essas características mais estáveis enquanto o vídeo de condução muda a pose e a expressão.

A consistência da identidade deve, ainda assim, ser testada em condições difíceis: viragens rápidas, auto-oclusão, mãos a cobrir o rosto, desfocagem de movimento, movimento de corpo inteiro, proporções invulgares e grandes mudanças de escala. Um exemplo limpo de lançamento não substitui testes repetidos com a tua própria personagem.

3. Controlo do ponto de vista por texto

A transferência de movimento tradicional herda muitas vezes a vista de câmara da interpretação de origem. O Wan Animate 2 acrescenta um controlo por texto que pode desacoplar o ponto de vista de saída do vídeo de condução.

Por exemplo, um clipe de condução de frente pode guiar o movimento enquanto o prompt pede uma vista de três quartos ou uma câmara ligeiramente mais baixa. Isto é útil quando o movimento está certo, mas o enquadramento do vídeo de origem não corresponde ao plano pretendido.

As mudanças de ponto de vista continuam a ser reconstruções generativas. Podem revelar partes de uma personagem que não são visíveis na imagem de referência, por isso convém verificar se os detalhes da frente, das costas, do traje e dos adereços foram inventados ou se desviaram.

4. Modelos Base e Distilled

O lançamento público inclui um modelo Base para o caminho de inferência completo e um modelo Distillation para menos passos de remoção de ruído. O exemplo oficial do Diffusers usa 40 passos no Base e 10 passos no Distilled.

O exemplo Distilled também define guidance_scale=1.0 e usa o solver de fluxo Euler. Estas definições são específicas de cada modelo: copiar as definições do Base para o checkpoint Distilled não é uma forma fiável de os comparar.

5. Um modelo Lite orientado para streaming

A introdução do projeto diz que o Wan-Animate-2-Lite reduz a latência de inferência até limiares de tempo real para animação de personagens em streaming. É uma direção importante para avatares em direto e agents interativos.

No entanto, as notas de lançamento de 7 de agosto listam pesos Base e Distillation, e não um checkpoint Lite. Trata o Lite como uma variante anunciada até a equipa publicar um peso, um endpoint, um contrato de demonstração ou uma especificação de latência reprodutível. O “tempo real” também depende da resolução, da duração do clipe, do tamanho do batch, do hardware e de a latência ser medida por frame ou de ponta a ponta.

6. Várias formas de executar o modelo

O projeto oficial documenta os seus próprios scripts de inferência e uma interface Gradio. O Wan Animate 2 tem também suporte do Diffusers, e o ComfyUI introduziu um workflow nativo para utilização por nós. Estas vias partilham as mesmas entradas básicas, mas diferem no empacotamento do modelo, no comportamento da memória e no controlo operacional.

Comparação dos modelos Wan Animate 2

Os repositórios do Diffusers são opções de empacotamento, não níveis de modelo adicionais. Usa o checkpoint Diffusers Base ou o checkpoint Diffusers Distilled de acordo com o pipeline que queres executar.

Como funciona o Wan Animate 2

Em termos práticos, o fluxo de trabalho é este:

1. Prepara a imagem de referência. Usa uma única personagem bem visível, iluminação estável e resolução suficiente para mostrar os detalhes do rosto e do traje.
2. Prepara o vídeo de condução. Mantém o intérprete visível, evita cortes desnecessários e começa com um clipe curto que exponha o movimento de que realmente precisas.
3. Descreve o aspeto e não a ação. O workflow oficial pede a um LLM que crie uma legenda objetiva, que abranja o aspeto da personagem e o fundo e omita a ação e especulações emocionais.
4. Codifica as três entradas. A imagem de referência define a identidade, o vídeo fornece o movimento temporal e o prompt fornece as instruções de aspeto e de ponto de vista.
5. Remove o ruído com inferência Base ou Distilled. O modelo produz um latente de vídeo temporalmente coerente, condicionado pelas três fontes.
6. Descodifica e exporta. O exemplo oficial do Diffusers exporta a 24 fps.

Esta divisão de responsabilidades é importante. Não uses o prompt de aspeto para lutar contra o vídeo de condução com uma descrição de ação contraditória. Deixa que o vídeo controle o movimento e usa o texto para tornar inequívocas a personagem de destino e a câmara.

Requisitos de hardware e expectativas realistas

O Wan Animate 2 é um modelo de vídeo de 14B, pelo que a configuração de referência oficial é muito mais pesada do que um fluxo típico de geração de imagens para consumidores.

O repositório indica que a sua configuração paralela predefinida está afinada para 8× GPUs A800 em 720p. A equipa testou também 480p com 2× GPUs A800. Outras configurações exigem alterações ao ficheiro YAML paralelo.

Estas são configurações oficiais testadas, não requisitos mínimos universais. Não provam que uma determinada GPU de consumo vá falhar, porque o offloading, a quantização, uma resolução reduzida, clipes mais curtos e as otimizações do ComfyUI podem alterar o uso de memória. Também não garantem uma velocidade prática numa placa mais pequena.

Para um plano de testes locais honesto:

• começa em 480p, com um clipe de condução curto;
• usa o checkpoint Distilled antes do Base;
• evita batches longos até um clipe terminar de forma fiável;
• monitoriza a VRAM e a RAM do sistema;
• regista o tempo de arranque a frio em separado do tempo de geração;
• compara o custo por resultado utilizável, e não apenas os segundos por pré-visualização.

As conversões da comunidade em FP8 ou GGUF podem baixar a barreira de hardware, mas não são os mesmos artefactos que os checkpoints oficiais em BF16. Verifica a origem, o checksum, a compatibilidade dos nós e a qualidade dos resultados antes de usares uma conversão em produção.

Como instalar o Wan Animate 2 a partir do repositório oficial

A configuração oficial usa Python 3.11, PyTorch 2.7 com wheels CUDA 12.6, FlashAttention e uma 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 .

Transfere o checkpoint principal com a CLI da Hugging Face:

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

O repositório contém ficheiros YAML separados para a inferência Base e Distillation. Revê as respetivas definições paralelas antes de lançares uma tarefa; os valores predefinidos assumem a configuração com várias A800 descrita acima.

Wan Animate 2 com o Diffusers

Até o suporte chegar à próxima versão empacotada indicada pelo projeto, as instruções oficiais instalam o Diffusers a partir do código-fonte:

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

Um pipeline Base mínimo segue este padrão:

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)

Para o pacote Distilled, começa 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 pontos de partida, não código de produção. Um serviço precisa também de validação das entradas, limites de descodificação de vídeo, timeouts, controlo de filas, aquecimento do modelo, armazenamento dos resultados e tratamento de falhas.

Workflow do Wan Animate 2 no ComfyUI

O ComfyUI é a opção mais acessível para criadores que querem inspecionar e alterar o pipeline visualmente. A nova integração assenta no WanAnimate2ToVideo, enquanto o WanAnimate2Cache pode trocar uma utilização adicional de memória do sistema por um cálculo repetido mais rápido. O ComfyUI descreve a cache como capaz de reduzir para cerca de metade o tempo de geração, no seu material de lançamento, mas o ganho real depende do grafo, do hardware, da resolução e da duração do clipe.

Configuração passo a passo

1. Atualiza o ComfyUI. Usa uma versão que inclua os nós do Wan Animate 2. Se o template abrir com nós essenciais em falta, a tua build estável ou Desktop pode estar atrás da versão exigida.
2. Carrega o workflow do Wan Animate 2. Começa pelo template oficial ou pelo workflow do ComfyUI publicado, em vez de reconstruíres o grafo de memória.
3. Resolve as transferências de modelos. Confirma que todos os loaders apontam para assets do Wan Animate 2. Um checkpoint antigo do Wan2.2 Animate não é intermutável com o novo modelo Animate 2.
4. Carrega a imagem de referência. Prefere um único motivo sem obstruções e com detalhes que continuem legíveis depois de redimensionar.
5. Carrega o vídeo de condução. Corta-o antes da geração. Um teste de movimento de cinco segundos é mais fácil de diagnosticar do que um clipe longo com ações mistas.
6. Escreve a legenda de aspeto. Descreve as características visíveis do motivo e do fundo. Acrescenta uma instrução concisa de vista de câmara se quiseres um ponto de vista diferente do vídeo de condução.
7. Escolhe Base ou Distilled. Usa o Distilled nos primeiros testes de compatibilidade e de movimento; passa para o Base quando o workflow estiver estável e precisares de comparar a qualidade final.
8. Define dimensões conservadoras. Começa por volta dos 480p e mantém a largura e a altura compatíveis com os requisitos latentes do workflow.
9. Ativa a cache só depois de uma linha de base limpa. Assim é mais fácil perceber se um problema de memória ou de resultado vem do workflow central ou da otimização.
10. Coloca na fila uma geração curta. Inspeciona a identidade, as mãos, a oclusão, o ritmo do movimento, o ponto de vista e a estabilidade entre o primeiro e o último frame antes de aumentares a resolução ou a duração.

Não mistures os workflows antigo e novo do ComfyUI

O workflow antigo do Wan2.2 Animate usa nós como o WanAnimateToVideo e pode pré-processar entradas de DWPose, rosto, máscara e fundo para os modos Move ou Mix. O workflow do Wan Animate 2 usa o novo caminho WanAnimate2ToVideo e o condicionamento direto pelo vídeo de condução.

Se um tutorial te pedir para transferires o original wan2.2_animate_14B_bf16.safetensors, o clip_vision_h, um estimador de pose e máscaras do modo Mix, é provável que esteja a descrever o modelo anterior. Esse tutorial pode continuar a ser útil, mas não é um guia de instalação do Wan Animate 2.

Definições iniciais recomendadas

Estas definições espelham os exemplos oficiais sempre que possível. Não afirmam que todos os pacotes locais do ComfyUI expõem os mesmos controlos nem que 480p cabe em todas as GPUs.

Guia de prompts

O repositório oficial recomenda gerar uma legenda de imagem objetiva com um LLM. O seu exemplo usa uma estrutura rígida em chinês: primeiro o aspeto do motivo e depois o fundo, sem descrição de ação, juízo subjetivo nem emoção inferida.

Um modelo 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.

A versão mais fraca duplica instruções de movimento que já existem no vídeo de condução e acrescenta linguagem subjetiva. Se uma legenda em inglês render pouco, testa a estrutura de legenda em chinês recomendada pelo repositório antes de concluíres que o modelo não consegue preservar a personagem.

Pontos fortes e limitações

Onde o Wan Animate 2 parece mais forte

• Transferência de movimento sem reduzir a interpretação de condução a uma sequência de poses intermédia.
• Preservação da identidade e do estilo com base na referência.
• Um ponto de vista de câmara que pode diferir do vídeo de condução.
• Opções Base e Distilled, com menos passos, para testes de qualidade e velocidade.
• Vias oficiais de repositório, Diffusers, Gradio e ComfyUI.
• Licença Apache 2.0 do repositório e pesos publicados.

O que ainda exige testes cuidadosos

• Os pesados requisitos oficiais com várias GPUs nas configurações de 480p e 720p.
• Ação rápida, desfocagem de movimento severa, oclusão, mãos e rotação do corpo.
• Clipes longos e continuidade de identidade entre planos.
• Grandes mudanças de câmara que exigem inventar detalhes da personagem que não se veem.
• Cenas com várias personagens e interações com objetos.
• Diferenças de qualidade entre o Base, o Distilled, o FP8 e as versões quantizadas da comunidade.
• O calendário de lançamento e a latência real do Wan-Animate-2-Lite.

As primeiras comparações nas redes sociais são contraditórias. Alguns criadores relatam movimento e controlo do ponto de vista impressionantes; outros preferem sistemas anteriores em exemplos concretos de movimento rápido ou de vídeo para vídeo. Uma discussão da comunidade e um vídeo de comparação inicial servem para identificar testes, mas não publicam todas as tentativas, as definições exatas, os direitos do material de origem nem o custo por clipe aceite. Trata-os como hipóteses e não como uma tabela de classificação.

Wan Animate 2 vs Wan2.2 Animate

Escolhe o workflow antigo quando precisares especificamente do seu processo documentado de substituição Move/Mix ou já tiveres um grafo de produção estável. Avalia o Wan Animate 2 quando a fidelidade direta do movimento, a identidade ou o controlo independente do ponto de vista forem mais importantes.

Melhores casos de utilização

O Wan Animate 2 é uma opção promissora para:

• personagens estilizadas animadas a partir da interpretação de um ator;
• apresentadores virtuais e protótipos de avatares;
• mascotes publicitárias e personagens de marca;
• pré-visualização de alternativas de câmara com uma única take de condução;
• clipes curtos para redes sociais e inserções narrativas;
• desenvolvimento de conceitos para jogos, animação e cinema;
• investigação sobre animação em streaming quando o Lite estiver disponível de forma reprodutível.

É uma escolha inicial mais fraca para cenas longas e ininterruptas, demonstrações exatas de produtos, ação com muitas personagens ou transmissão em direto, hoje em dia, a menos que os teus próprios testes provem a consistência e a latência necessárias.

Licença e utilização comercial

O repositório Wan-Animate-2 está licenciado sob a Apache 2.0. Isso permite, em geral, a utilização, a modificação e a distribuição, incluindo a utilização comercial, sujeitas às condições da licença.

A licença do repositório é apenas uma parte de uma análise comercial. As equipas também têm de ter direitos sobre a imagem de referência, a interpretação de condução, a imagem pessoal, o vestuário, a música e quaisquer assets de fundo. Não animes a identidade ou a interpretação de uma pessoa real sem o consentimento adequado. Mantém as licenças e os avisos de atribuição relevantes ao redistribuíres código ou pacotes modificados.

Onde aceder ao Wan Animate 2

Usa estes recursos principais:

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

Atualmente, a Poyo.ai tem uma API Wan Animate existente, com rotas separadas de move e replace. Essa listagem refere-se ao modelo de produção anterior, e não ao novo checkpoint Wan Animate 2 descrito neste guia. Este artigo não afirma que o Wan Animate 2 esteja atualmente disponível através da API da Poyo.ai.

Veredicto final

O Wan Animate 2 faz duas apostas arquitetónicas relevantes: usar diretamente o vídeo de condução e deixar que o texto controle um ponto de vista de câmara que pode diferir do original. Em conjunto, estas mudanças visam dois problemas persistentes na animação de personagens: o detalhe de movimento perdido e uma câmara presa à gravação do intérprete.

Os lançamentos Base e Distilled tornam o sistema testável hoje, através do código oficial, do Diffusers e do ComfyUI. As restrições práticas são igualmente claras: a configuração de hardware oficial é grande, o modelo é novo, a disponibilidade do Lite ainda não está definida e o movimento difícil continua a exigir uma avaliação controlada.

Começa com uma execução curta do Distilled em 480p, mantém a legenda de aspeto objetiva, altera uma variável de cada vez e compara os resultados pelos frames utilizáveis e não pelo impacto da demonstração de lançamento. Esse processo diz-te mais do que qualquer afirmação universal de “melhor modelo de animação de personagens”.

FAQ

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

Não. O Wan Animate 2 usa uma arquitetura de ponta a ponta redesenhada, que consome diretamente o vídeo de condução e acrescenta controlo do ponto de vista por texto. O nome do checkpoint continua a conter Wan2.2, o que causa confusão nas pesquisas e nos tutoriais.

O Wan Animate 2 é open source?

O repositório oficial e os pesos lançados são públicos, e o repositório está licenciado sob a Apache 2.0. Revê a licença e os ficheiros do modelo para o teu caso concreto de distribuição ou de utilização comercial.

Que modelos do Wan Animate 2 posso transferir?

O lançamento de 7 de agosto inclui pesos Base e Distillation. Existem pacotes Diffusers para ambos. O Wan-Animate-2-Lite foi anunciado, mas não constava entre os lançamentos públicos iniciais de pesos.

Qual é a diferença entre o Base e o Distilled?

Os exemplos oficiais do Diffusers usam 40 passos no Base e 10 passos no Distilled. O Distilled usa também uma guidance scale de 1.0 e o solver de fluxo Euler. Começa pelo Distilled para iterar e compara o Base com as mesmas entradas para a qualidade final.

O Wan Animate 2 funciona no ComfyUI?

Sim. Usa uma build atualizada do ComfyUI e o workflow do Wan Animate 2 baseado no WanAnimate2ToVideo. Não o confundas com o grafo antigo do Wan2.2 Animate, baseado no WanAnimateToVideo.

De que GPU preciso para o Wan Animate 2?

O repositório oficial está afinado para 720p com 8× GPUs A800 e indica ter testado 480p com 2× GPUs A800. Outro hardware pode funcionar com offloading ou pesos otimizados, mas estes números oficiais não estabelecem um único mínimo para GPUs de consumo.

O Wan Animate 2 suporta animação em tempo real?

A equipa diz que o Wan-Animate-2-Lite atinge limiares de tempo real para streaming, mas as notas do lançamento inicial não listam pesos do Lite. Espera por um pacote público reprodutível e testa o caminho de latência completo antes de planeares um produto em direto.

A câmara de saída pode ser diferente do vídeo de condução?

Sim. O controlo do ponto de vista por texto é uma das funcionalidades centrais do modelo. As grandes mudanças podem obrigar o modelo a gerar detalhes não vistos, por isso verifica com cuidado a consistência da personagem e do traje.

O prompt deve descrever a ação?

Normalmente, não. Deixa que o vídeo de condução especifique a ação. O workflow oficial recomenda uma descrição objetiva do aspeto da personagem e do fundo, sem ação nem emoção inferida. Acrescenta uma instrução concisa de ponto de vista quando for necessário.

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

Não à data desta verificação de estado. A listagem atual do Wan Animate na Poyo.ai é a API anterior de move/replace. Usa o repositório oficial, os pacotes Diffusers ou o workflow do ComfyUI para o novo lançamento do Wan Animate 2.