阿里开源动作生成模型Wan2.2

9月19日消息，阿里阿里开源全新动作生成模型通义万相Wan2.2-Animate，开源该模型同时支持动画和替换两种模式，动作输入一张角色图片和一段参考视频，生成可将视频角色的模型动作、表情迁移到图片角色中，阿里赋予图片角色动态表现力；同时还可在保留原始视频的开源动作、表情及环境的动作基础上，将视频中的生成角色替换为图片中的角色。该模型支持驱动人物、模型动漫形象和动物照片，阿里可应用于短视频创作、开源舞蹈模板生成、动作动漫制作等领域。生成 去年年初，阿里推出了Animate Anyone模型，基于该模型的「全民舞王」功能一度火爆全网，兵马俑、萌宠跳科目三的视频在社交平台刷屏。但此前的技术框架无法同时控制动作、表情和环境交互，生成的视频依旧存在不自然的问题。

此次，通义万相团队构建了一个涵盖说话、面部表情和身体动作的大规模人物视频数据集，并基于通义万相图生视频模型进行后训练。Wan2.2-Animate将角色信息、环境信息和动作等，规范到一种统一的表示格式，实现了单一模型同时兼容两种推理模式；针对身体运动和脸部表情，分别使用骨骼信号和隐式特征，配合动作重定向模块，实现动作和表情的精准复刻。在替换模式中，团队还设计了一个独立的光照融合LoRA，用于保证完美的光照融合效果。

实测结果显示，Wan2.2-Animate在视频生成质量、主体一致性和感知损失等关键指标上，超越了StableAnimator、LivePortrait等开源模型，是目前性能最强的动作生成模型，在人类主观评测中，Wan2.2-Animate甚至超越了以 Runway Act-two代表的闭源模型。

自今年 2 月以来，通义万相已连续开源20多款模型，在开源社区和三方平台的下载量已超3000万，是开源社区最受欢迎的视频生成模型之一。通义万相模型家族已支持文生图、文生视频、图生视频、人声生视频和动作生成等10多种视觉创作能力。