Apa Itu Wan-Animate-2 dan Mengapa Penting bagi Produksi Video AI?

Singkatnya, apa itu Wan-Animate-2?

Wan-Animate-2 adalah sistem animasi karakter terbuka dari Tongyi Lab, Alibaba. Cara kerjanya cukup sederhana untuk dipahami: pengguna memberikan gambar atau karakter referensi dan sebuah video penggerak, lalu model memindahkan gerakan, ekspresi, serta dinamika tubuh dari video tersebut ke karakter sambil berusaha mempertahankan identitas aslinya. Model ini dirilis secara terbuka pada Agustus 2026, bersama bobot, kode inferensi, dan dokumentasinya di bawah lisensi Apache-2.0. 12

Perbedaan utamanya terletak pada cara model memahami gerakan. Sistem animasi tradisional atau banyak pipeline AI biasanya mengekstrak titik tubuh terlebih dahulu, lalu mengubahnya menjadi kerangka pose atau representasi gerak yang lebih ringkas. Wan-Animate-2 melewati tahap perantara tersebut: video penggerak diproses langsung sebagai informasi laten visual di dalam Diffusion Transformer yang telah didesain ulang. 1

Mengapa tidak memakai kerangka pose?

Kerangka pose memang praktis, tetapi proses ekstraksi landmark dapat menghasilkan kesalahan. Gerakan jari yang rumit, ekspresi wajah, kontak antarkarakter, atau bagian tubuh yang sebagian tertutup bisa hilang ketika video dipaksa menjadi rangkaian titik dan garis. Kompresi fitur gerak juga berisiko membuang detail ruang-waktu yang penting.

Wan-Animate-2 menggunakan arsitektur Diffusion Transformer dua cabang. Cabang referensi atau gerak yang bersih diselaraskan dengan cabang denoising yang sedang menghasilkan video. Dengan mempertahankan lebih banyak informasi visual dari video sumber, pendekatan ini ditujukan untuk menjaga konsistensi gerak, identitas, dan detail antarframe. 1

Dampaknya pada tangan dan anggota tubuh

Menurut penjelasan peneliti, akses langsung terhadap dinamika visual yang lebih rinci membantu model menghasilkan artikulasi tangan yang lebih baik serta mengurangi anggota tubuh yang terdistorsi atau menghilang. Evaluasi mereka juga mencakup beragam gaya karakter, bentuk tubuh, adegan dengan banyak orang, dan jenis gerakan.

Itu bukan jaminan bahwa setiap input akan sempurna. Namun, cakupan tersebut menunjukkan upaya memperluas kemampuan model melampaui sistem yang bergantung sepenuhnya pada kondisi pose. 1

Bisa mengubah sudut kamera dengan teks

Wan-Animate-2 juga memiliki Viewpoint LoRA yang dikondisikan oleh teks. Komponen ini dilatih menggunakan data multi-view sintetis dari Unreal Engine untuk memisahkan sudut pandang kamera keluaran dari video penggerak.

Dalam praktiknya, pengguna dapat meminta sudut kamera lain melalui instruksi teks tanpa harus merekam ulang penampilan atau melatih ulang model animasi dasar. Fitur ini penting untuk produksi karena satu rekaman performa dapat menjadi bahan untuk beberapa komposisi kamera. 1

Model ini juga dilaporkan mendukung adegan dengan banyak karakter, karakter dengan bentuk tubuh yang beragam, serta rasio aspek yang tidak standar. Kemampuan tersebut memperluas penggunaannya untuk avatar, video kreatif, dan penggantian karakter—meskipun hasil akhirnya tetap bergantung pada kualitas input dan kapasitas perangkat keras. 13

Dari mana angka 24 fps berasal?

Klaim streaming real-time terutama berlaku untuk model distilasi Wan-Animate-2-Lite, bukan secara otomatis untuk model Base penuh. Makalahnya menjelaskan jalur percepatan tiga tahap: prapelatihan teacher-forcing, penggunaan error buffer, dan distilasi Self-Forcing dengan propagasi balik berbasis chunk. Metode ini memungkinkan pembuatan video secara autoregresif dalam potongan-potongan yang dapat dialirkan saat proses berlangsung. 1

Performa yang dilaporkan adalah 24 frame per detik pada resolusi 400×720 menggunakan empat GPU H100. Ini merupakan pencapaian penting untuk sistem terbuka, tetapi tidak sama dengan menjalankan animasi 24 fps pada resolusi tersebut di laptop atau GPU konsumen biasa. 18

Apakah sudah menyamai Dreamina dan KLING?

Perbandingan kualitatif dan studi pengguna yang dilaporkan dalam makalah menyebut hasil Wan-Animate-2 kompetitif dengan alat proprietary seperti Dreamina milik ByteDance dan KLING MotionControl milik Kuaishou. Sejumlah laporan publik bahkan menggambarkannya berada pada tingkat yang setara. 13

Namun, klaim “state of the art” komersial perlu dibaca secara hati-hati. Evaluasi tersebut merupakan laporan pengembang dan belum dapat dianggap sebagai tolok ukur independen yang sepenuhnya terstandarisasi. Performa pada contoh kurasi belum tentu sama dengan hasil pada footage dunia nyata yang lebih berantakan, beresolusi rendah, atau memiliki oklusi berat.

Mengapa rilis lokal dan open source penting?

Dengan bobot, kode, dan perangkat inferensi yang tersedia di bawah Apache-2.0, pengembang dapat memeriksa cara kerja sistem, menjalankannya sendiri, menyesuaikannya, dan mengintegrasikannya ke pipeline produksi tanpa bergantung sepenuhnya pada layanan cloud tertutup atau biaya per detik. 12

Hal ini menyasar salah satu hambatan praktis terbesar dalam video AI. Membuat satu klip yang tampak menarik sudah semakin mudah, tetapi mempertahankan identitas karakter, tangan, interaksi, arah kamera, dan latensi rendah sepanjang adegan masih sulit. Jika bagian-bagian itu tidak konsisten, video yang dihasilkan belum siap digunakan dalam produksi yang lebih panjang.

Rilis terbuka juga memberi komunitas kesempatan untuk membangun integrasi seperti node ComfyUI, inferensi yang lebih hemat memori, masking dan compositing, alur kerja konsistensi karakter, serta varian yang lebih ramah GPU konsumen. Seberapa cepat ekosistem tersebut berkembang akan menjadi penentu penting adopsi Wan-Animate-2.

Apa hubungannya dengan Wan3.0?

Kedua sistem berada pada bagian berbeda dalam alur kerja. Wan-Animate-2 berfokus pada performa dan kendali karakter—bagaimana karakter bergerak, berekspresi, berinteraksi, dan dilihat dari sudut tertentu.

Sementara itu, Wan3.0 berfokus pada bahan masukan untuk kebutuhan bisnis. Alibaba menyebut model tersebut dapat membuat video hingga 30 detik dari dokumen, spreadsheet, slide, dan halaman web, selain input multimodal konvensional. 2

Secara konseptual, keduanya memberi gambaran alur dari materi bisnis menuju keluaran video animasi. Namun, Wan3.0 merupakan produk yang digunakan secara terpisah dan bukan bukti bahwa Alibaba telah merilis satu suite produksi end-to-end yang menggabungkan kedua kemampuan tersebut.

Faktor yang akan menentukan adopsi

Lisensi permisif membuat adopsi cepat menjadi mungkin, tetapi bukan berarti adopsi otomatis terjadi. Komunitas perlu membuktikan bahwa kualitas yang dilaporkan tetap bertahan di luar contoh terkurasi. Biaya GPU, efisiensi memori, kemudahan integrasi, reproduktibilitas, dan persoalan lisensi data pelatihan juga akan berpengaruh.

Jika pengembang berhasil menyediakan workflow yang stabil dan varian yang dapat berjalan pada perangkat keras yang lebih terjangkau, Wan-Animate-2 berpotensi menjadi salah satu fondasi terbuka penting untuk animasi karakter AI. Pada akhirnya, nilai terbesarnya bukan sekadar angka 24 fps, melainkan kemungkinan menjadikan kendali karakter yang konsisten sebagai bagian yang benar-benar dapat diakses dan dibangun ulang oleh komunitas.