Nowy model animacji Alibaby powstał z myślą o wideo na żywo — i akurat wersji do żywego jako jedynej nie wydano

Alibaba opublikowała Wan2.2-Animate-2-14B 7 sierpnia 2026 na licencji Apache 2.0: wagi, kod uruchomieniowy, a dzień później publikację naukową. Model animuje nieruchomą postać na podstawie nagrania wzorcowego z grającym człowiekiem, a inżyniersko jest to prawdziwa przebudowa, nie odświeżenie. Pierwsza generacja wyodrębniała z nagrania szkielet pozy i dopiero jego podawała generatorowi; publikacja samego zespołu nazywa wady tego rozwiązania wprost — błędy wyodrębniania wędrują do wyniku, a tożsamość postaci rozjeżdża się w miarę trwania ujęcia. Animate-2 usuwa ten etap i podaje nagranie wzorcowe wprost do przebudowanego transformatora dyfuzyjnego. Sama publikacja stawia jednak sprawę nie na wierności, lecz na czasie. Zaczyna od stwierdzenia, że wszystkie istniejące systemy tego rodzaju działają poza czasem rzeczywistym i nie nadają się do zastosowań interaktywnych, takich jak cyfrowe awatary czy prowadzący transmisje na żywo. Odpowiedzią ma być Wan-Animate-2-Lite, wariant uczony trzystopniowo — wstępnie z wymuszaniem nauczyciela i buforem błędu, potem destylacją Self-Forcing z propagacją wsteczną po blokach — po to, by zejść z opóźnieniem do progu pracy na żywo. Na tej obietnicy kończy się streszczenie. Wariantu Lite w repozytorium nie ma. Są dwa pliki wag identycznej wielkości, po 32,8 GB: wersja podstawowa, wykonująca 40 kroków odszumiania ze wsparciem klasyfikatora, i destylowana, dochodząca do obrazu w 10 krokach bez tego wsparcia. Destylacja czyni model działający poza czasem rzeczywistym mniej więcej czterokrotnie tańszym w próbkowaniu; nie jest architekturą strumieniową opisaną w publikacji. Brak nie wygląda też na kolejkę: lista zapowiedzianych prac na karcie modelu ma odhaczone wszystkie pozycje — kod, wagi, integracje z Diffusers, DiffSynth-Studio i ComfyUI — a Lite nie figuruje na niej wcale. W tę samą stronę wskazuje drobiazg. W bloku cytowania na dole karty stoi wciąż niewypełnione miejsce w numerze publikacji, choć poprawny numer widnieje w plakietce na górze tego samego pliku. To wydanie przygotowano szybko. Czytelnik może za to wyciągnąć wniosek z rzeczy zwyczajnej. Liczniki pobrań pokazują, że popyt idzie za szybkością, nie za jakością: w przeróbkach do formatu Diffusers, opublikowanych dzień przed premierą, wersja destylowana pobierana jest mniej więcej trzy razy częściej niż pełnej jakości. Pierwsza generacja Animate jest tymczasem wciąż pobierana o rząd wielkości częściej niż obie te wersje — co zwykle się zdarza w pierwszym miesiącu modelu, który zmienia sposób sterowania. Repozytorium podstawowe wykazuje zero pobrań przy 185 zakładkach, ale ten licznik pokazuje zero dla repozytoriów wydających surowe pliki wag zamiast standardowej konfiguracji, więc mówi raczej o sposobie pobierania niż o zainteresowaniu.