Wan 2.2 Animate 讓動作捕捉在單張消費級 GPU 上運行
阿里巴巴通義萬相團隊開源了 Wan2.2-Animate-14B，這是一款把角色動畫與角色替換統一在同一組權重中的影片模型。工作流程很直接：輸入一段影片和一張角色圖片，就能得到一段由該角色演出原始動作的新影片。
真正重要的是其實用性主張。這款模型能在消費級硬體上運行。RTX 4090 生成五秒 720p 動畫大約需要九分鐘，而最低 VRAM 門檻為 8GB。它採用 Apache 2.0 授權，意味著允許商業使用。
它解決的問題
設想一位小型電商業者，手上只有一張模特兒身穿漢服的精修照片，卻希望這張照片能在鏡頭前跳舞，用於商品頁面。替代方案很有限。租用動作捕捉設備超出預算。付費使用商業影片平台每次生成要價超過十元人民幣，因此為了調對動作試個十幾次，花費就衝到數百元。開源選項過去最高只到 480p 左右，每次嘗試要花半小時，而且在較弱的顯卡上會直接崩潰。
技術能做到的事，與個人創作者負擔得起實際運行的事之間的落差，正是 Wan 2.2 Animate 鎖定的缺口。這款模型在品質上並沒有勝過最頂尖的商業系統。它勝出的是品質、成本與可得性這三者的組合——而這正是單打獨鬥的個人真正需要的。
值得精確說明為何這種組合難以達成。品質通常隨參數量擴展，參數量隨 VRAM 擴展，而 VRAM 隨價格擴展。要讓模型在 8GB 記憶體上達到可用的品質水準，所需的工作與原始能力毫無關係，這也是為什麼這類發布往往來自願意投入推論工程、而不只是訓練的團隊。
一組權重，兩項任務
動畫與替換聽起來像是同一件事，而它們確實共用大部分的機制。在動畫中，你提供表演者和動作。在替換中，你提供角色，而場景裡已經有一位表演者，你想轉移他的動作。把兩者統一起來，意味著只需一次下載、一套工作流程，而不是兩個專用模型，這同時減輕了任何想嘗試的人在建置上的負擔與儲存空間的占用。
這款模型透過同一組權重處理動作轉移與角色替換，這是更有意思的工程成果。把兩者拆成獨立模型本來是顯而易見的架構，而單一模型能同時涵蓋兩者，顯示動作的底層表徵是共用的，而非任務專屬的。
這項區別對人們實際如何使用這個工具具有後續影響。角色替換讓品牌能把同一位虛擬模特兒放進許多不同場景，而不必重新拍攝，這正是自 AI 模型開始生成逼真面孔以來，電商業者一直想要的流程。動作轉移則讓只有一個好鏡頭的創作者，能將它重複套用到不同角色上，而不必再次演出同樣的動作。兩者都是效率上的策略，而兩者都取決於模型不把動作視為其套用對象角色的專有屬性。
價格變化真正的意義
重新定義這件事的數字，是前面例子裡那位賣家會立刻注意到的。在商業平台上，一段五秒短片要價超過十元人民幣。在 4090 上，同樣的短片只花費電費和九分鐘時間。重試的邊際成本降到接近於零，而對任何生成式影片模型來說，重試正是得到可用結果的方式。第一次生成的成果很少是你會保留的那一個。
這個轉變改變預算，也同樣改變工作流程。當每次嘗試都要花真金白銀，創作者會把提示詞工程集中在前期，並接受任何接近的結果。當嘗試免費時，他們就會反覆迭代。最終輸出的品質，往往更取決於一個人願意嘗試多少次，而不是取決於模型宣傳上的基準分數。
誠實的限制
開放權重的影片模型都伴隨真實的限制。Wan 2.2 Animate 需要一張夠好的 GPU 才實用。五秒要九分鐘，對商品頁面來說沒問題，但對更長的內容就很痛苦。任何打算製作更長片段的人，都應該把預算編列在一張更強的顯卡，或是一整夜的批次處理上。
目前可得的證據大多是廠商與社群的示範，這意味著在特殊動作、遮蔽與特殊光線下的品質，並不像示範片段所暗示的那麼確立。動作轉移的失敗案例往往集中在手部、快速動作，以及任何輪廓複雜的物件上。舞者的裙擺在旋轉中飄動，比看起來更難處理，而示範合輯很少會把失敗的鏡頭放在前面。任何要建立正式產線的人都應該先用自己的素材測試，再決定是否投入。
另外還有同意權的層面，而開放模型往往把這留給使用者自行負責。角色替換讓人輕易就能把某張臉套到那個人並未提供的演出上，而工具本身不會詢問你是否取得許可。授權允許商業使用，這不等同於允許使用某人的肖像。
這次發布也落在一個授權已成為競爭變數的市場中。Apache 2.0 且沒有地區排除條款，讓 Wan 2.2 Animate 站在寬鬆的一端，這對曾被排除整個區域的開源發布坑過的開發者來說很重要。近期有數款開放影片模型發布時，授權就排除了美國、歐盟、英國或南韓，這讓一項技術選擇變成了市場區隔的決策。真正毫無限制的授權，如今已是值得一提的差異化優勢。
還有一個開放權重發布往往略過的維護問題。沒有持續存續的團隊在背後支撐，權重會迅速過時，尤其在影片生成領域，最先進水準每個月都在推進。社群早期彙整層級的產出不錯。但它六個月後是否仍是最佳選擇，取決於通義萬相團隊是否持續推出更新，而這不是一篇發布文能承諾的事。
接下來會如何發展
廉價動作捕捉有趣之處，在於它在娛樂之外所能開啟的可能。一個永遠負擔不起正式拍攝的小品牌，如今可以建立自己的產品演示資料庫。老師可以讓圖表動起來。遊戲工作室可以在沒有捕捉棚的情況下製作角色動作原型。這些每一個都是技術上多年前就已存在、卻因為成本與建置複雜度而實際上無法使用的案例。
這項工具取代的是「完全沒有選項」的處境，而這正是大多數個人創作者實際所在的位置，它取代的並非專業動作捕捉。專業產線與一無所有之間的落差極大，而用一款能在遊戲顯卡上運行的開放模型來填補這道落差，對創作者經濟帶來的改變，會比再一次的基準分數提升更大。