Wan-Dancer 开源：分层框架突破 AI 编舞时长限制，一首歌长的舞蹈视频一次生成
你有没有试过用 AI 生成舞蹈视频？如果试过，大概率遇到过同一个问题：视频超过 10-20 秒，人物就开始"漂移"——脸变了、动作重复了、节奏也乱了。这不是某个模型的 bug，而是当前扩散模型普遍的结构性瓶颈。
Wan-Dancer 是 Wan-AI 团队（Wan2.2 视频模型作者）最新开源的 AI 编舞框架，专门针对这个时长问题。它能在给定音乐和一张参考图的条件下，生成超过 1 分钟的 720p/30fps 舞蹈视频，动作与音乐节拍同步，人物外观保持一致。
怎么做到的：先画骨架，再填细节
Wan-Dancer 的核心思路是"分层"——不试图一次性生成整段视频，而是把任务拆成两步：
第一步：全局规划。 模型先"听"完整首音乐，生成一系列关键帧。这些关键帧定义了舞蹈的整体结构——什么时候转身、什么时候跳跃、什么时候舒展。就像编舞师先画出舞蹈的"故事线"。
第二步：局部细化。 拿到关键帧后，另一个模型逐段把关键帧之间的动作补全，确保动作流畅、节奏精准。
这个"先规划后执行"的思路，听起来简单，但有几个技术难点需要攻克：
- 动态帧率适配：音乐有快有慢，如果用固定帧率生成，快节奏段落动作会糊在一起。Wan-Dancer 用了"时间映射 RoPE 嵌入"技术，让模型能根据音乐节奏自动调整每段视频的帧率。
- 光流损失：为了让相邻帧之间的动作过渡更平滑，模型引入了基于光流的损失函数，专门惩罚动作不连贯的情况。
- 运动速度控制：快速动作（如旋转、跳跃）容易丢失细节，模型通过速度控制机制，在高速段落保留更多画面细节。
它能做什么
Wan-Dancer 目前支持 5 种舞蹈风格：
- 中国古典舞
- K-pop
- 街舞
- 踢踏舞
- 拉丁舞
除了根据音乐和参考图生成舞蹈视频，它还有几个实用功能：
- LoRA 定制化编舞：用少量特定风格的舞蹈素材微调，让模型学会你的专属舞步。
- 关键帧换装：在全局规划阶段，你可以插入不同的服装关键帧，同一段舞蹈、不同的造型。
- 关键帧控动作：手动指定某些关键帧的姿态，模型会围绕你定义的动作生成完整舞蹈。
项目页面展示了生成时长超过 2 分钟的拉丁舞和中国古典舞视频，在当前的 AI 编舞领域，这是一个显著的突破。
和 X-Dancer 等方案比怎么样
在项目页面的对比实验中，Wan-Dancer 在动作连贯性和人物一致性上都优于 X-Dancer。主要优势在于时长——现有方法通常在 15-20 秒后就会出现明显退化，而 Wan-Dancer 通过分层框架有效缓解了这个问题。
需要注意的是，项目页面也注明：展示的视频经过了后处理精修。这意味着模型原始输出可能还需要一些打磨才能达到最佳效果。
怎么上手
Wan-Dancer 已完全开源：
- 代码：https://github.com/Wan-Video/Wan-Dancer
- 模型权重：HuggingFace（Wan-AI/Wan-Dancer-14B）和 ModelScope 均可下载
- 在线体验：ModelScope Space 提供在线 Demo
硬件需求：官方测试环境为 8 × NVIDIA A800 80GB GPU。对个人用户来说门槛偏高，但随着社区优化和量化方案的出现，预计会逐步降低。
意义与局限
Wan-Dancer 的价值在于证明了"分钟级连贯 AI 编舞"是可行的——不再是 10 秒 demo 级别的玩具，而是真正能覆盖一首歌长度的创作工具。对于短视频创作者、舞蹈教学、虚拟偶像等领域，这是一个实用的里程碑。
局限也很明显：硬件门槛高，原始输出需要后处理，且目前主要面向研究用途。但对 AI 编舞方向来说，这无疑是近期最值得关注的进展之一。