Wan2.2-Animate-2-14B

git clone --recursive https://github.com/Wan-Video/Wan-Animate-2.git

conda create -n wan_animate_2 python==3.11 -y
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 .

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

pip install modelscope
modelscope download --model Wan-AI/Wan2.2-Animate-2-14B --local_dir ./ckpts/

用中文客观描述图片中的内容，包括以下要点：人物外观描述，不描述动作行为。 背景描述，忽略主观评价和情绪推测。 下面给出描述范例，必须遵循这个范式，不要输出额外的符号： 人物外观描述：穿着一件浅蓝色的校服衬衫，领口和袖口有白色边饰。胸前有一个圆形徽章。 背景描述：背景为明亮、整洁的教室或办公室，氛围安静有序。

  export PYTHONPATH="$(pwd)"
  cd infer
  python wan_animate_2_demo.py \
    --prompt "人物外观描述：一只银灰色虎斑纹的小猫，拥有圆润的脸庞、竖立的耳朵和巨大的圆形眼睛。它身穿一套深蓝色的制服套装，包括一件带有金色纽扣的西装外套和一条百褶裙。外套里面搭配着白色衬衫，领口处系着一个红色的蝴蝶结，袖口露出白色的衬衫边缘。背景描述：背景为纯白色，光线均匀明亮，无其他杂物或装饰。" \
    --refer-img-file ../examples/demo1/reference.png  \
    --refer-video-file ../examples/demo1/template.mp4 \
    --config ./wan_animate_2.yaml

  export PYTHONPATH="$(pwd)"
  cd infer
  python wan_animate_2_demo.py \
    --prompt "人物外观描述：一只银灰色虎斑纹的小猫，拥有圆润的脸庞、竖立的耳朵和巨大的圆形眼睛。它身穿一套深蓝色的制服套装，包括一件带有金色纽扣的西装外套和一条百褶裙。外套里面搭配着白色衬衫，领口处系着一个红色的蝴蝶结，袖口露出白色的衬衫边缘。背景描述：背景为纯白色，光线均匀明亮，无其他杂物或装饰。" \
    --refer-img-file ../examples/demo1/reference.png  \
    --refer-video-file ../examples/demo1/template.mp4 \
    --config ./wan_animate_2_distillation.yaml \
    --sample_guide_scale 1.0 
    --step 10

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

  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")

  output = pipe(
      image=load_image("../examples/demo1/reference.png"),
      driving_video="../examples/demo1/template.mp4",
      prompt="人物外观描述：一只银灰色虎斑纹的小猫，拥有圆润的脸庞、竖立的耳朵和巨大的圆形眼睛。它身穿一套深蓝色的制服套装，包括一件带有金色纽扣的西装外套和一条百褶裙。外套里面搭配着白色衬衫，领口处系着一个红色的蝴蝶结，袖口露出白色的衬衫边缘。背景描述：背景为纯白色，光线均匀明亮，无其他杂物或装饰。",
      height=800,
      width=640,
      num_inference_steps=40,
  )

  export_to_video(output.frames[0], "output.mp4", fps=24)

  pipe = WanAnimate2Pipeline.from_pretrained(
      "Wan-AI/Wan2.2-Animate-2-14B-Distilled-Diffusers", torch_dtype=torch.bfloat16
  ).to("cuda")

  output = pipe(
      image=load_image("../examples/demo1/reference.png"),
      driving_video="../examples/demo1/template.mp4",
      prompt="人物外观描述：一只银灰色虎斑纹的小猫，拥有圆润的脸庞、竖立的耳朵和巨大的圆形眼睛。它身穿一套深蓝色的制服套装，包括一件带有金色纽扣的西装外套和一条百褶裙。外套里面搭配着白色衬衫，领口处系着一个红色的蝴蝶结，袖口露出白色的衬衫边缘。背景描述：背景为纯白色，光线均匀明亮，无其他杂物或装饰。",
      num_inference_steps=10,
      guidance_scale=1.0,        # no classifier-free guidance
      flow_solver="euler",       # Euler scheduler for distilled model
  )

  export_to_video(output.frames[0], "output.mp4", fps=24)

  cd infer
  python wan_animate_2_gradio.py

  cd infer
  python wan_animate_2_gradio_distillation.py

@article{wang2026wananimate2,
  title   = {Wan-Animate-2: Real-Time End-to-End Character Animation via Diffusion Transformer},
  author  = {Wang, Guangyuan and Hu, Li and Meng, Dechao and Zhang, Zhongyi and Zhang, Peng and
             Huang, Mingyang and Zhang, Ruoshi and Sun, Ke and Zhang, Zhe and
             Wang, Xingjun and Cheng, Gang and Zhang, Bang},
  journal = {arXiv preprint arXiv:TODO.06009},
  year    = {2026},
  url     = {https://arxiv.org/abs/TODO.06009}
}