Bottom Line Up Front (BLUF): Wan 2.2 Animate é uma ferramenta de transferência de movimento de IA: dê a ele uma foto de um personagem e um vídeo de alguém se movendo, e o personagem executa exatamente esse movimento. Ao contrário da animação fotográfica genérica, onde a modelo improvisa, aqui você mesmo dirige a coreografia — tudo o que a pessoa faz no clipe de referência, seu personagem repete na tela.

A modelo reduz o vídeo de referência à pura mecânica – poses, gestos, giros de cabeça, deslocamento do corpo pelo quadro – e aplica esse esqueleto à figura da sua foto. A aparência vem da imagem estática, o comportamento vem da filmagem e você controla ambas as fontes completamente.
Esta é a principal diferença da animação fotográfica com um clique, que adiciona respiração suave e micromovimentos aleatórios de sua própria invenção. Aqui você obtém direção em vez de improvisação. Wan não é um herói ilustrado para realizar uma dança específica? Filme aquela dança no seu celular e entregue os dois arquivos para a modelo.
O primeiro dos dois modos de operação coloca seu personagem em uma nova cena onde ele representa a performance de referência. Estúdios e criadores usam-no para animar ilustrações, avatares e mascotes de marcas: um artista desenha o herói uma vez e depois qualquer um pode filmar novos papéis para ele com uma câmera comum.
A referência pode ser tão humilde quanto um vídeo de selfie – acenar, encolher os ombros, apontar, girar e o personagem espelha você. O que costumava exigir semanas do tempo de um animador se transforma em um loop de geração de upload de filme que uma pessoa sem nenhuma habilidade em design de movimento pode executar.

O segundo modo funciona ao contrário. Em vez de extrair movimento para uma nova cena, ele mantém intacto o vídeo original – fundo, iluminação, trabalho de câmera – e substitui a pessoa na tela pelo personagem da sua foto. Tudo na cena sobrevive, exceto quem está atuando nela.
Isso permite truques de produção divertidos: um mascote de desenho animado apresentando seu segmento real filmado, o mesmo personagem aparecendo em filmagens de locais diferentes, toda uma série social liderada por um herói reconhecível. É o caminho mais rápido para um conteúdo consistente liderado por personagens sem contratar um ator duas vezes.
A qualidade da entrada decide metade do resultado. A foto deve mostrar o personagem por inteiro, desobstruído, de preferência contra um fundo calmo para que a modelo possa ler a estrutura corporal. Fotografe a referência com uma única pessoa no quadro, iluminação uniforme e uma câmera razoavelmente estável.
A resolução de saída vem em três etapas: 480p, 580p ou 720p. Execute rascunhos na configuração mais baixa para verificar como o movimento ocorre e, em seguida, produza a versão final na configuração superior. Cost rastreia a duração de referência e a resolução escolhida, e os clipes finalizados aguardam em seu histórico de geração.
As tendências da dança são a vitória óbvia: o personagem da sua marca consegue um movimento viral sem uma equipe de filmagem. Além disso - tutoriais apresentados por um apresentador desenhado, saudações de aniversário do mascote, ilustrações de livros infantis ganhando vida, um personagem do jogo apresentado em movimentos humanos críveis antes que exista um único equipamento.
Há também um nicho mais silencioso: os arquivos familiares. Uma foto vintage pode ser feita para repetir um gesto filmado hoje – um aceno, uma virada, um sorriso para a câmera. Esses clipes atingem a emoção precisamente porque o movimento é genuinamente humano; foi capturado de uma pessoa real.
Mover coloca seu personagem fotográfico em uma nova cena executando o movimento de referência. Substituir mantém a filmagem original – cenário, luz, câmera – e apenas troca a pessoa nela pelo seu personagem.
Uma foto de corpo inteiro sem nada cobrindo a figura e um fundo simples. Pessoas reais, heróis ilustrados e mascotes funcionam – o modelo só precisa ver claramente a estrutura do corpo para mapear o movimento nela.
Uma pessoa enquadrada, iluminação uniforme, sem vibração caótica da câmera. Uma simples gravação telefônica é suficiente; quanto mais claramente o movimento for lido, mais fielmente seu personagem o reproduzirá.