阿里最新放出来了一款全新端到端角色图像动画框架：Wan-Animate-2，实时驱动角色，延迟极低。
Wan-Animate-2 的一大核心是实时交互，直接解锁直播主播、交互式数字人场景。
实时驱动演示：左边摄像头采集，右边同步出角色，界面里是"停止驱动"这样的流式控制（图源：Wan-Animate-2 项目主页）
01把延迟压到实时的那套组合拳
首先，Teacher forcing + 错误缓冲 + Self-Forcing 蒸馏 + 逐块反向传播三阶段训练，这套组合拳把延迟压到了实时，把从几分钟生成一段视频变成实时流式生成。
论文里对应的是一个叫 Wan-Animate-2-Lite 的高效变体，专门为流式角色动画做的：通过带错误缓冲机制的 teacher forcing 预训练，加上配合逐块反向传播的 Self-Forcing 蒸馏，把推理延迟降到实时门槛之内。官方的说法是，这让以前根本不可行的部署场景成为可能。
02端到端，不需要中间运动提取
其次是端到端不需要中间运动提取。之前的方法先提取骨骼/关键点再驱动，提取一错角色就崩。
官方论文摘要把现有路线的毛病分成了三类，讲得很清楚：基于显式运动表示的方法，受制于提取误差和身份漂移；基于隐式运动特征的方法，因为压缩而丢掉精细动态；上下文学习类的方法虽然避开了中间表示，但计算代价高得离谱。
Wan-Animate-2 的做法是在重新设计过的 Diffusion Transformer 里直接吃驱动视频，把中间的运动提取器整个删掉。删掉之后，动作保真度和身份一致性反而更好。
官方架构图：驱动视频直接进入重新设计的 Diffusion Transformer，中间没有运动提取器（图源：Wan-Animate-2 官方仓库）
03打字就能换机位
再就是驱动视频的拍摄角度和输出视角可以分开。
以前驱动视频是从什么角度拍的，生成的视频就只能是什么角度，想让角色换个机位做不到，或者需要额外复杂的相机控制流程。
现在直接打字就能改变输出视频的机位，动作和视角完全解耦。
官方特意提到，这个能力是那些依赖显式运动表示的方法很少能支持的——道理也不难理解：骨骼点本身就绑死在原始拍摄视角上，你没法凭空要求它换个机位。
04效果：单人到多人、跨身份都能迁移
从效果上看，复杂动作、精细表情和物理合理性上复制的还可以，支持单人到多人、多人到多人、跨身份的动作迁移。
多人场景的动作迁移：两个参考人物跟着驱动视频同步动作（图源：Wan-Animate-2 项目主页）
项目主页放了一组六栏横向对比，把参考图、驱动视频，以及 Wan-Animate、可灵 MotionControl、DreamActor-M2 和 Wan-Animate-2 的输出并排放在一起。这种敢把竞品点名摆在自己旁边的对比，比只放自家 demo 有说服力得多。
官方六栏对比：参考图 / 驱动视频 / Wan-Animate / 可灵 MotionControl / DreamActor-M2 / Wan-Animate-2（图源：Wan-Animate-2 项目主页）
05怎么用
代码和权重都放出来了，Apache-2.0 协议。8 月 7 日一口气放了推理脚本、Base 模型权重和蒸馏版权重，Diffusers、DiffSynth-Studio、ComfyUI 三条集成路径都已经打通。
模型在 HuggingFace 和 ModelScope 上都有（Wan-AI/Wan2.2-Animate-2-14B），装好环境后一条命令就能跑：
git clone --recursive https://github.com/Wan-Video/Wan-Animate-2.git huggingface-cli download Wan-AI/Wan2.2-Animate-2-14B --local-dir ./ckpts/
有个细节值得注意：跑之前要先用大模型给参考图生成一段客观的外观描述当 prompt，官方连提示词模板都给好了，要求只描述人物外观和背景、不描述动作行为。
硬件门槛得说清楚：仓库默认配置是按 8 张 A800 调的，支持 720P；480P 在 2 张 A800 上测过。蒸馏版能把采样步数降到 10 步、不用 CFG，这是延迟能压下来的关键。想在消费级显卡上跑的话，得自己改并行配置。
不想装环境的话，ModelScope 上有在线 demo 可以直接试。
项目地址GitHub：https://github.com/Wan-Video/Wan-Animate-2项目主页：https://humanaigc.github.io/wan-animate-2/论文：https://arxiv.org/pdf/2608.06009在线体验：https://www.modelscope.cn/studios/Wan-AI/Wan2.2-Animate
