這是怎麼做的?
給 AI 一張本人照片和一支驅動舞蹈。系統先從舞蹈抽出骨架(包含手指),再讓照片中的人沿著骨架跳出一模一樣的動作——本人只需要提供一張站姿清楚的照片,不必真的會跳舞。
模型:Wan2.2 Animate 14B(Move 模式)。前三課跟上一版一樣的解析度階梯,第④課是這次新解決的長片問題。
低解析度預覽 — 先看動作對不對
368×640,本地 2 分多鐘一支,拿來確認「像不像本人、動作順不順」最划算。這個解析度手一定是糊的,像素太少,別在這一關評手。
主角 1 · 低解析預覽
身分與動作都對了——手是糊的,正常現象,往下看解法。
拉到 1920 — 解析度是主槓桿
同一位主角、同一支舞、同一顆種子,唯一的差別:解析度拉到 1104×1920(雲端 GPU,約 9 分鐘)。對比看解析度改變了什麼——五官、皮膚、衣服細節,還有手。
Before · 368 預覽
整體霧、手糊。
After · 1920 成果(含音樂)
同一顆種子,只改解析度——手的結構正常了,五官也更貼近本人。
免費路線的天花板 — 720p 與 960
一張 16GB 的家用顯卡配上量化模型,免費就能跑到這裡:720p 是甜蜜點(14 分鐘、手可用),960 是天花板(66 分鐘、手乾淨不變形)。再往上 1920,顯存直接爆掉,只能上雲。
主角 2 · 720p 甜蜜點
比 368 明顯細緻,手已可用,14 分鐘一支——日常迭代首選。
主角 2 · 960 天花板(含音樂)
手乾淨、不變形,連衣物細節都還原了。代價:貼著顯存牆跑,慢 5 倍。
✅ 本地 960 手就不變形了——不必為了修手花錢上雲。
長片無縫接軌 — 從 5 秒到 15 秒
Wan Animate 單次生成上限約 5 秒。天真的做法是把長舞步切成好幾段各自生成再接起來——結果每 5 秒衣服、鞋子就換一套,人物像變裝一樣。這次改良生成流程,讓每一段延續上一段解碼出來的畫面(而不是各自獨立重來),接縫處身分、服裝完全一致,15 秒的複雜舞步(shuffle 步法)也能全程跟上。
主角 1 · Shuffle 舞步(含音樂)
15 秒複雜腳步全程無縫,服裝與身分沒有在接縫處跳掉。
主角 3 · 第二支舞(含音樂)
換一支完全不同的編舞,同樣的無縫技術,10 秒接得住。
🆕 關鍵:每一段生成不是從零開始,而是接續上一段的畫面再往前推進,加上把驅動片的「站位」對齊參考圖的地面高度(避免角色浮在半空中)。時間隨段數線性增加,1920 長片仍需雲端 GPU。
💡 這兩支剛好遇到 RTX PRO 6000 Blackwell 缺貨,改租 H100 SXM 80GB($2.99/hr,比 Blackwell 貴約 50%)。實測結果:單段耗時跟 Blackwell 幾乎一樣——這個量化模型的運算特性讓較新架構的 Blackwell 追平了更貴的 H100,此任務不需要為了速度升級 H100。
換角色?一行指令的事
同一支舞、同一套參數,只換參考圖——換人照跳,連 AI 生成的角色也一樣適用。這代表任何人像(真人或 AI)都能套用同一段編舞,一台 GPU 排隊依序生產。
主角 3 · 同舞不同人(含音樂)
參考圖一換,舞照跳、質感照舊。
加映 · AI 角色也能跳(含音樂)
這位是 AI 生成的角色,不是真人——同一套流程照樣適用。
怎麼選?
五課看完,選路很簡單——看你在乎速度、畫質,還是長度。
| 路線 | 成本 | 速度 | 畫質上限 | 手部 | 長度 | 適合 |
|---|---|---|---|---|---|---|
| 本地免費 | $0 | 720p 14分 / 960 66分 | 960×1664 | 960 不變形 | ~5秒 | 迭代、預覽、修手 |
| 雲端 GPU · 短片 | ~$2-3/hr | 1920 約 9 分 | 1104×1920 | 佳 | ~5秒 | 單支交件 |
| 雲端 GPU · 長片無縫 | ~$2-3/hr | 每段約 9 分,線性疊加 | 1104×1920 | 佳 | 10-15秒+ | 完整編舞、長 Reel |
🎯 一句話:免費玩 → 本地 720p;要手乾淨還免費 → 本地 960;要 1920 → 上雲;要完整長舞步 → 上雲 + 無縫接軌。