摘要

我们提出 Wan-Animate，这是一种统一的角色动画与替换框架。给定一张角色图像和一段参考视频，Wan-Animate 能够通过精确复现视频中角色的表情与动作，生成高保真度的角色动画视频。 Alternatively，它还可将动画化角色无缝融入参考视频，替代原视频中的角色，并同步复现场景的光照与色彩基调，实现自然的环境融合。Wan-Animate 基于 Wan 模型构建。为适配角色动画任务，我们采用改进的输入范式，以区分参考条件与生成区域，从而将多种任务统一为一种通用的符号化表示。通过使用空间对齐的骨骼信号复现身体动作，并利用源图像中隐式提取的面部特征实现表情重演，该方法实现了高可控性与高表现力的角色视频生成。此外，为提升角色替换过程中的环境融合效果，我们设计了一种辅助的 Relighting LoRA 模块。该模块在保持角色外观一致性的前提下，精准应用环境光照与色彩风格。实验结果表明，Wan-Animate 在多项指标上达到当前最优性能。我们承诺将开源模型权重及源代码，以推动相关领域的发展。