Wan-Dancer是什么

Wan-Dancer 是阿里通义万相开源的音乐驱动人像舞蹈视频生成模型。输入一张人物照片与一段音乐，可生成节奏精准、动作流畅、风格鲜明的高质量舞蹈视频。模型首次突破分钟级时序瓶颈，支持 15 秒至 3 分钟的 720p/30fps 超长连贯输出，覆盖中国古典舞、韩舞、街舞、踢踏舞、拉丁舞五种舞种，支持通过 LoRA 进行个性化舞蹈定制。

Wan-Dancer的主要功能

• 音乐驱动舞蹈生成：输入人物照片与音乐，自动生成与节拍精准对齐的舞蹈视频。
• 分钟级长视频生成：突破传统 20 秒限制，稳定生成 15 秒至 3 分钟的连贯高清视频。
• 多风格舞蹈覆盖：支持中国古典舞、K-Pop、街舞、踢踏舞、拉丁舞五种差异显著的风格。
• LoRA 个性化定制：仅需少量特定舞蹈数据即可训练专属动作风格，实现同款舞蹈复刻。
• 关键帧二次编辑：全局阶段生成的关键帧支持手动修改，实现换装与动作精细控制。

Wan-Dancer的技术原理

• 全局关键帧规划（Global DiT）：基于完整音乐结构生成长时一致性关键帧，规划舞蹈动作骨架与关键姿态，确保全局时间尺度连贯。
• 局部时序细化（Local DiT）：在全局关键帧基础上细化动作细节与帧间过渡，解决动作单一重复问题，提升复杂动作表现力。
• 动态帧率适配：引入 RoPE 映射绝对时间信息，实现不同时长音乐与舞蹈动作的精确时序对齐，消除长序列漂移。
• 光流运动连续性：基于光流的损失函数优化帧间过渡，在快速旋转、复杂步法场景中保持自然连贯。

微信关注回复“开源”，加入AI开源项目交流群

如何使用Wan-Dancer

• 在线体验：访问魔搭创空间https://www.modelscope.cn/studios/Wan-AI/Wan-Dancer，上传 9:16 竖屏单人正面照片与 10–30 秒音乐，选择舞种后点击生成。
• 本地部署：克隆 GitHub 仓库，安装依赖环境，通过 ModelScope 下载 14B 权重，分别运行全局关键帧推理与局部时序细化脚本。
• Diffsynth-Studio 推理：安装 DiffSynth-Studio 后，调用 WanVideoPipeline 加载全局/局部模型配置，设置参考图、音乐路径、关键帧掩码等参数进行生成。

Wan-Dancer的核心优势

• 分层解耦架构：全局 DiT 规划长时一致性关键帧，局部 DiT 细化动作细节与帧间过渡，解决时序漂移与动作重复问题。
• 动态帧率适配：引入 RoPE 映射绝对时间信息，确保不同时长音乐与舞蹈动作精确同步。
• 运动连续性增强：基于光流的损失函数优化，在快速旋转、复杂步法等场景中保持自然连贯。
• 身份高保真：参考图人物身份特征在长序列中保持稳定，避免角色畸变。

Wan-Dancer的项目地址

• 项目官网：https://humanaigc.github.io/wan-dancer-project/
• GitHub仓库：https://github.com/Wan-Video/Wan-Dancer
• HuggingFace模型库：https://huggingface.co/Wan-AI/Wan-Dancer-14B
• arXiv技术论文：https://arxiv.org/pdf/2607.09581

Wan-Dancer的同类竞品对比

对比维度Wan-DancerMuseDance研发机构阿里通义万相石溪大学 + 字节跳动 + 苹果核心架构分层解耦双 DiT（全局关键帧规划 + 局部时序细化）端到端 U-Net 扩散，基于 Stable Diffusion v1.5训练策略全局与局部模型分别训练、分别推理两阶段训练：第一阶段外观预训练，第二阶段冻结空间注意力并注入音乐/节拍/运动模块音乐理解专用 Music Encoder + RoPE 时间映射AST（Audio Spectrogram Transformer）提取音乐嵌入，通过交叉注意力注入节拍对齐RoPE 动态帧率适配，将绝对时间映射到生成过程Librosa 提取节拍位置，one-hot 编码后通过交叉注意力显式对齐运动控制光流损失优化帧间过渡 + Prompt 速度标注运动对齐模块：利用历史生成帧的隐状态做时序自注意力身份保持参考图像经 VAE 编码 + 全局关键帧锚定约束第一阶段学习外观 + 冻结空间注意力 + ReferenceNet 特征融合生成时长分钟级（15 秒–3 分钟）短视频片段（实验设置 4 秒 @ 12fps）分辨率/帧率720p / 30fps640×640 / 12fps（实验配置）

Wan-Dancer的应用场景

• 短视频内容创作：为抖音、快手、小红书等平台快速生成个性化舞蹈视频，无需真人出镜即可实现风格多样的舞蹈内容量产。
• 虚拟偶像与数字人表演：为直播、虚拟演唱会及数字人账号定制特定舞种的连贯表演素材，降低虚拟角色舞蹈动作的制作成本。
• 舞蹈教学与编舞辅助：借助音乐节拍对齐与关键帧预览功能，辅助舞蹈教师拆解动作节奏、设计编舞方案，并生成标准化教学演示视频。
• 广告与影视预演：低成本生成分镜级别的舞蹈镜头预览，帮助导演与创意团队在拍摄前快速验证舞蹈编排与视觉风格，加速决策流程。