---
title: "Wan-Dancer – 阿里通义开源的人像舞蹈视频生成模型"
url: "https://paooo.com/aigc-news/30425/"
author: "Prompt 语宙研究院"
published_at: "2026-07-14T19:12:16+08:00"
updated_at: "2026-07-14T19:12:16+08:00"
categories: "AIGC 资讯"
tags: "AI视频生成, HuggingFace, 开源大模型, 通义万相, 通义千问"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Wan-Dancer – 阿里通义开源的人像舞蹈视频生成模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/30425/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-14

## AI 30 秒核心看点 (TL;DR)

- 阿里通义开源的 Wan-Dancer 突破分钟级时序瓶颈，可稳定生成 15 秒至 3 分钟的人像舞蹈视频。
- 采用全局关键帧规划 + 局部时序细化的双 DiT 架构，兼顾长时一致性与动作细节表现。
- 支持 720p/30fps、五种舞种与 LoRA 定制，适合短视频创作、虚拟偶像和舞蹈教学。

## 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-Dancer
MuseDance

**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 / 30fps
640×640 / 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。

## 常见问题解答 (FAQ)

### Wan-Dancer 能生成多长的人像舞蹈视频？
文章介绍，Wan-Dancer 支持 15 秒至 3 分钟的超长连贯输出，分辨率可达 720p、帧率 30fps。相比传统常见的短视频生成限制，它更适合需要长时连续动作的舞蹈场景。

### Wan-Dancer 的核心技术亮点是什么？
它采用全局关键帧规划与局部时序细化的分层解耦架构，并结合动态帧率适配、光流连续性优化，解决长视频中的时序漂移、动作重复和过渡不自然问题。

### Wan-Dancer 适合哪些实际应用场景？
适合短视频内容创作、虚拟偶像与数字人表演、舞蹈教学与编舞辅助，以及广告和影视预演等场景，尤其适合快速生成风格统一、节拍对齐的人像舞蹈视频。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)