9月19日消息，阿里開源全新動(dòng)作生成模型通義萬(wàn)相Wan2.2-Animate，該模型同時(shí)支持動(dòng)畫和替換兩種模式，輸入一張角色圖片和一段參考視頻，可將視頻角色的動(dòng)作、表情遷移到圖片角色中，賦予圖片角色動(dòng)態(tài)表現(xiàn)力；同時(shí)還可在保留原始視頻的動(dòng)作、表情及環(huán)境的基礎(chǔ)上，將視頻中的角色替換為圖片中的角色。該模型支持驅(qū)動(dòng)人物、動(dòng)漫形象和動(dòng)物照片，可應(yīng)用于短視頻創(chuàng)作、舞蹈模板生成、動(dòng)漫制作等領(lǐng)域。去年年初，阿里推出了Animate Anyone模型，基于該模型的「全民舞王」功能一度火爆全網(wǎng)，兵馬俑、萌寵跳科目三的視頻在社交平臺(tái)刷屏。但此前的技術(shù)框架無(wú)法同時(shí)控制動(dòng)作、表情和環(huán)境交互，生成的視頻依舊存在不自然的問題。

此次，通義萬(wàn)相團(tuán)隊(duì)構(gòu)建了一個(gè)涵蓋說話、面部表情和身體動(dòng)作的大規(guī)模人物視頻數(shù)據(jù)集，并基于通義萬(wàn)相圖生視頻模型進(jìn)行后訓(xùn)練。Wan2.2-Animate將角色信息、環(huán)境信息和動(dòng)作等，規(guī)范到一種統(tǒng)一的表示格式，實(shí)現(xiàn)了單一模型同時(shí)兼容兩種推理模式；針對(duì)身體運(yùn)動(dòng)和臉部表情，分別使用骨骼信號(hào)和隱式特征，配合動(dòng)作重定向模塊，實(shí)現(xiàn)動(dòng)作和表情的精準(zhǔn)復(fù)刻。在替換模式中，團(tuán)隊(duì)還設(shè)計(jì)了一個(gè)獨(dú)立的光照融合LoRA，用于保證完美的光照融合效果。

實(shí)測(cè)結(jié)果顯示，Wan2.2-Animate在視頻生成質(zhì)量、主體一致性和感知損失等關(guān)鍵指標(biāo)上，超越了StableAnimator、LivePortrait等開源模型，是目前性能最強(qiáng)的動(dòng)作生成模型，在人類主觀評(píng)測(cè)中，Wan2.2-Animate甚至超越了以 Runway Act-two代表的閉源模型。

自今年 2 月以來，通義萬(wàn)相已連續(xù)開源20多款模型，在開源社區(qū)和三方平臺(tái)的下載量已超3000萬(wàn)，是開源社區(qū)最受歡迎的視頻生成模型之一。通義萬(wàn)相模型家族已支持文生圖、文生視頻、圖生視頻、人聲生視頻和動(dòng)作生成等10多種視覺創(chuàng)作能力。