AIAI 工具图鉴
← 返回全部文章
·约 16 分钟PPT

Wan-Dancer

语音音频
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

Wan-Dancer-recommend.mp4
PPT
Wan-Dancer-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../Wan-Dancer-recommend.pptx
视频../../Wan-Dancer-recommend.mp4
本文目录
  1. 🚀 什么是 Wan-Dancer？
  2. ✨ 核心功能一览
  3. 🛠️ 5 分钟快速上手
  4. 环境要求
  5. 一键安装
  6. 核心代码示例：两阶段生成长舞蹈视频
  7. 📊 五大核心创新点
  8. 💡 适用场景
  9. 场景 1：中国古典舞生成
  10. 场景 2：街舞节奏生成
  11. 场景 3：K-Pop 群舞编排
  12. 场景 4：拉丁舞生成
  13. 场景 5：踢踏舞脚步节奏
  14. 用户群体总结
  15. 🎬 部署资源汇总
  16. 💰 定价方案 / 开源协议
  17. 🔮 与竞品对比
  18. 🎯 总结

📌 核心价值：阿里万相团队最新开源的"音乐→舞蹈视频"生成框架，把 SOTA 模型全开源，14B 参数 Apache-2.0 可商用。

一句话、一首音乐、一张参考图，就能生成超过 1 分钟、720p/30fps、5 种舞蹈风格的连贯舞蹈视频。

封面图

🚀 什么是 Wan-Dancer？

Wan-Dancer 是 阿里通义万相（Wan-Video）团队 在 2026 年 7 月 13 日开源发布的一项音乐到舞蹈视频生成框架，配套论文 Wan-Dancer: A Hierarchical Framework for Minute-scale Coherent Music-to-Dance Generation，代码与 14B 参数权重（Wan-Dancer-14B）同时在 GitHub + HuggingFace + ModelScope 三处开源发布。

GitHub stars GitHub forks license

它直击当前 AI 视频生成的两大痛点：

核心定位：突破"扩散模型做不出 20 秒以上连贯视频"的天花板——Wan-Dancer 让"音乐直驱、一键出一分钟舞蹈"真正成为可能。

  • 时长瓶颈：传统端到端扩散模型超过 20 秒就崩（角色变形、动作重复、节奏对不上）。
  • 风格稀缺：要么依赖 3D 骨骼中转（动作僵硬），要么要求昂贵的人工标注。

Wan-Dancer 用层级化框架（Global Keyframe + Local Refinement） + 动态帧率 RoPE + 光流损失 三项关键创新，直接生成稳定超过 1 分钟、720p/30fps 的高质量舞蹈视频。

✨ 核心功能一览

功能对比表

五大已支持的舞蹈风格（音频 + 文本联合条件生成）：

  • 🇨🇳 中国古典舞 — 飘逸、舒展、东方韵味
  • 💃 街舞 — 节奏感强、动作锐利
  • 🎤 K-Pop — 高能编舞、卡点精准
  • 💃 拉丁舞 — 节奏明快、表达奔放
  • 👞 踢踏舞 — 脚步节奏感强烈

每种风格对应一份独立的 prompt_*.txt 提示词文件 + 一段官方示例音乐（.WAV），可直接复用，也可换成你自己的音乐和角色图片。

🛠️ 5 分钟快速上手

环境要求

官方测试环境：8 × NVIDIA A800 80GB；Linux + Python 3.10.14 + CUDA 12.4。

普通玩家可用 RunPod / AutoDL / ModelScope Studio 在线体验；本地消费级 GPU（4090/5090）也能跑，但建议至少 24GB 显存 + Openpose/ControlNet 加速库。

一键安装

git clone https://github.com/Wan-Video/Wan-Dancer.git
cd Wan-Dancer
python -m venv venv_wan_dancer
source venv_wan_dancer/bin/activate

pip install -e .
pip install moviepy loguru librosa
pip install torch==2.6.0+cu124 torchvision==0.21.0 --index-url https://mirrors.aliyun.com/pytorch-wheels/cu124
pip install diffusers==0.34.0 yunchang==0.5.0 flash_attn==2.6.3 xfuser==0.4.0 transformers==4.46.2

注意：必须使用 CUDA 12.4 + PyTorch 2.6 组合（官方指定），其他版本可能出现 flash-attn 编译失败。

核心代码示例：两阶段生成长舞蹈视频

# 阶段一：Global Keyframe（分钟级骨架，48 步推理）
./gen_video_global.sh \
  --image_path  gen_video/ref_image/1001.jpg \
  --prompt_path gen_video/prompt/古典舞_global.txt \
  --music_path  gen_video/music/ChineseClassicDance.WAV \
  --num_inference_steps 48 \
  --cfg_scale 5 \
  --seed 0 \
  --output_folder outputs/global_video

# 阶段二：Local Refinement（高清连贯，24 步推理）
./gen_video_local.sh \
  --global_video_path outputs/global_video/1001_ChineseClassicDance_seed0.mp4 \
  --image_path  gen_video/ref_image/1001.jpg \
  --prompt_path gen_video/prompt/古典舞_local.txt \
  --num_inference_steps 24 \
  --cfg_scale 5

跑完你会得到两个 MP4：粗版（分钟级结构）+ 高清最终版（720p/30fps）。也可以跳过 Local Refinement 直接用粗版。

关键参数：num_inference_steps 越大视频越精细但越慢；推荐 48 (global) + 24 (local) 的官方组合。

📊 五大核心创新点

创新点表

💡 适用场景

场景 1：中国古典舞生成

中国古典舞参考图

功能说明：基于古风参考图（敦煌/汉服舞者）+ 古典音乐，生成节奏贴合音乐起伏的连贯古典舞视频。RedPaperFanTest 测试集中 PSNR 比 SOTA Baseline 高 3.2 dB。

输入要求：参考图建议 640×1088（竖版构图），提示词使用 古典舞_global.txt，音乐时长建议 60 秒以上（模型针对完整曲目优化）。

输出效果：稳定 720p/30fps 时长 60-180 秒的中国古典舞视频，人物一致性高、无明显崩坏。

适用场景：传统文化短视频账号、古风 MV 制作、文化 App 配舞生成。

场景 2：街舞节奏生成

街舞参考图

功能说明：街舞风格对节奏点对位要求极高，Wan-Dancer 通过音乐底层节拍分析 + 动态帧率 RoPE，让快速 Bboy 动作（Windmill / Headspin）也能保持画面稳定。

输入要求：建议用 BPM 90-130 的 BreakBeat / Funk 音乐 + 穿着街头风格的参考图。

输出效果：动作卡点精准、Wipe Out 类大招过渡平滑。

适用场景：街舞教程账号、运动品牌广告、综艺开场短片。

场景 3：K-Pop 群舞编排

K-Pop 参考图

功能说明：利用 optical-flow based loss + motion-speed control，快速编舞切换也能保留头发、衣摆物理细节，特别适合 K-Pop MV 的群舞拼贴。

输入要求：参考图为单人 K-Pop 偶像照片 + SUNO AI 生成的高能电子乐效果最佳。

输出效果：K-Pop 风标志性手势、Cross-Step、Formation Switch 都能自然衔接。

适用场景：偶像练习生账号、虚拟 K-Pop、MV 概念片。

场景 4：拉丁舞生成

拉丁舞参考图

功能说明：拉丁舞强调胯部 8 字运动 + 旋转，模型的 Speed-aware 运动控制模块让连续旋转不会让参考图脸部崩坏。

输入要求：BPM 95-110 的 Salsa/Bachata + 鲜艳色彩舞蹈服装参考图。

输出效果：Hip Action 自然、转圈动作人物一致性强。

适用场景：舞蹈培训机构素材、健身 / 拉丁舞教学账号。

场景 5：踢踏舞脚步节奏

踢踏舞参考图

功能说明：踢踏舞对脚部动作要求高，Wan-Dancer 的关键点追踪 + 多尺度运动融合可让上下肢与脚步同步。

输入要求：脚步节奏清晰的踢踏乐曲 + 全身参考图（最好是鞋部清晰可见）。

输出效果：脚步节奏贴合节拍、无脚部鬼影。

适用场景：舞蹈学院课件、乐器 / 鞋品牌种草视频。

用户群体总结

  • ✅ 短视频创作者：直接产出 1 分钟竖版舞蹈视频，省去编舞成本
  • ✅ 音乐人 / MV 导演：用文字提示词即可试镜多版 MV 片段
  • ✅ 舞蹈教学机构：把教学动作可视化、降低出镜压力
  • ✅ 科技自媒体 / 研究者：Apache-2.0 全开源可商用，复现 SOTA 结果
  • ❌ 不适合：需要毫秒级精确控制的竞技体育（体操/跳水）动作细节

🎬 部署资源汇总

资源 链接 说明
GitHub 代码 https://github.com/Wan-Video/Wan-Dancer 代码 + 配置文件 + 示例提示词
ModelScope Studio 在线 Demo https://modelscope.ai/studios/Wan-AI/Wan-Dancer 零代码体验，网页上传图+音频
ModelScope 模型权重 https://www.modelscope.cn/models/Wan-AI/Wan-Dancer-14B 14B 全量权重（国内下载快）
HuggingFace 模型权重 https://huggingface.co/Wan-AI/Wan-Dancer-14B 14B 全量权重（国际下载）
论文（ArXiv） https://arxiv.org/abs/2607.09581 完整方法论与对比实验
项目主页 https://humanaigc.github.io/wan-dancer-project/ Demo 视频集锦

💡 新用户福利：ModelScope Studio 提供零 GPU 资源在线试玩——上传一张脸 + 一段音乐，30 秒就能拿到一段 AI 生成的舞蹈视频，无需本地安装。

💰 定价方案 / 开源协议

Wan-Dancer 是一个完全开源工具，无任何收费或积分机制。

  • 代码协议：Apache License 2.0（与 Wan2.1 / Wan2.2 系列一致）
  • 模型权重协议：Wan-Dancer-14B 同样采用 Apache 2.0（可商用、无署名强制）

对开发者的意义：

  1. 可商用：你可以自由地把它用于商业产品（付费视频 APP、MV 制作公司等），无需付费给阿里。
  2. 可微调：14B 权重可下载后二次微调（Fine-tune）做垂直风格扩展。
  3. 可集成：底层基于 DiffSynth-Studio + Wan2.1 组合，可以无缝嫁接到现有视频工作流。
  4. 可二次分发：只要保留版权声明和协议副本，可以包装成自有产品发布。

注：Apache-2.0 不要求衍生作品也使用 Apache-2.0，比 GPL 友好，比 MIT 多一层专利授权保护——是当前 AI 视频模型最主流的开源协议。

🔮 与竞品对比

维度 Wan-Dancer (2026/07 新) Stable Video Diffusion Runway Gen-3 Sora
时长上限 >1 分钟 ✅ 4-16 秒 10-40 秒 60 秒
音乐驱动 原生支持 ✅ 不支持 不支持 不支持
开源权重 14B Apache-2.0 ✅ 可商用（非开源） 闭源 闭源
5 种舞蹈风格预设 ✅ 全部内置 ❌ ❌ ❌
单 GPU 推理要求 8×A800 80GB 24GB 云端 API 云端 API
国内可访问 ✅ ModelScope 需代理 需代理 需代理

总结：Wan-Dancer 是目前唯一同时满足"长时长 + 音乐驱动 + 开源可商用"三要素的方案——闭源工具做不到 1 分钟，开源工具做不到音乐驱动；Wan-Dancer 第一次把这两个能力同时开源。

🎯 总结

Wan-Dancer 是 AI 视频生成从"短展示"走向"长叙事"的标志性开源成果——它把阿里通义万相在视频扩散模型上的最新研究（14B 参数、5 种舞蹈、超过 1 分钟连贯），以完全可商用的形式交给了开发者社区。

对于想用 AI 做舞蹈内容、做 MV / 短视频的企业、机构和个人创作者来说，Wan-Dancer 是当前性价比最高的选择——不需要付费调用 API，本地可以跑、社区可以改、模型可以微调。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： 短视频舞蹈创作者 / 音乐人 MV 导演 / AI 视频研究者 / 二次开发者

立即体验： ModelScope 在线 Demo

GitHub 仓库： Wan-Video/Wan-Dancer

数据截至 2026 年 7 月 17 日，最新信息请以 GitHub 与 ArXiv 为准。