Wan 2.2 Animate: prepara un personaje y una referencia de movimiento

Wan 2.2 Animate necesita una imagen de personaje y un vídeo de conducción. La imagen aporta el aspecto; el vídeo aporta el movimiento del cuerpo, la expresión facial y la duración. Elige animate para que el personaje de la imagen realice el movimiento en el propio escenario de la imagen, o replace para poner a ese personaje en la escena del vídeo de conducción. Para un primer intento, usa una persona adulta completamente visible, un gesto de seis segundos y ningún corte.

Abre Wan 2.2 Animate animación de personajes. Con los precios indicados el 3 de octubre de 2026, seis segundos cuestan $0.318 a 480p o $0.66 a 720p. Ninguno de los dos modos inventa una ubicación nueva a partir del prompt: el fondo siempre procede de uno de tus dos archivos.

Elige el modo antes de grabar

Por ejemplo, una mujer adulta ilustrada con chaqueta color ciruela y pantalones marfil puede ejecutar un paso lateral de bienvenida. Si la sala de ensayos es irrelevante, usa animate con una imagen de personaje de fondo liso. Si su ventana en arco y su suelo de madera deben permanecer en el plano, usa replace y examina cómo el cuerpo nuevo se encuentra con ese suelo. Un vídeo de conducción con varias personas no da a replace forma de elegir a quién se sustituye; usa una sola intérprete, o consulta la última sección.

El proyecto oficial Wan-Animate describe ambas tareas, incluido cómo la sustitución se ajusta a la iluminación y al color de la escena. Su guía de preprocesado advierte que una fuerte discrepancia de proporciones corporales entre el personaje y la intérprete provoca artefactos en la sustitución.

Prepara una imagen de personaje que muestre las partes que se mueven

Usa una imagen de cuerpo entero, zapatos incluidos, en una postura relajada de frente, con los brazos algo separados del torso y con el atuendo que quieres animar. Un fondo liso e iluminado de forma uniforme mantiene limpio el resultado de animate, porque ese fondo se convierte en la escena. Una imagen solo del rostro deja sin especificar las perneras, el calzado y la forma del cuerpo, y una descripción de vestuario más larga en el prompt no aporta esas vistas.

El archivo debe ser JPEG, PNG o WebP de menos de 10 MB y debe contener una cara o persona reconocible; de lo contrario la tarea se rechaza con invalid_request.

Aquí tienes una descripción de imagen no explícita de una adulta ficticia que puedes usar en un generador de imágenes:

Referencia de cuerpo entero de una mujer adulta ficticia, de unos 30 años, con rizos cortos y oscuros, chaqueta de ensayo color ciruela, pantalones marfil y zapatos planos color carbón. Postura cómoda y equilibrada, brazos relajados algo separados del torso, ambas manos y ambos zapatos visibles. Fondo de estudio liso y tranquilo, cara y ropa legibles, sin letras, sin otras personas.

Una figura estilizada sirve, pero unas extremidades con longitudes muy distintas de las de la intérprete hacen más difícil juzgar el contacto con el suelo y el alcance.

Ilustración: el diseño del personaje aporta el aspecto, el movimiento de la intérprete aporta el movimiento. No es una salida de Wan.

Graba un movimiento de seis segundos con un principio y un final utilizables

Fija la cámara sobre un soporte estable para tu primer vídeo de conducción, de modo que el movimiento del cuerpo se lea con facilidad. Ambos modos pueden arrastrar el movimiento de cámara del vídeo de conducción; animate conserva el escenario de la imagen del personaje, mientras que replace conserva la escena del vídeo. Encuadra a una intérprete adulta de forma que ambos zapatos y toda la apertura de brazos queden visibles. Empieza en una postura neutra de frente parecida a la imagen del personaje y graba después una pausa breve, un paso lateral, un gesto de apertura de brazos poco profundo, los brazos bajados y una pausa final. Mantén las manos lejos de la cara y evita que alguien cruce por delante.

La cara de la intérprete importa: la expresión se copia del vídeo junto con el movimiento, así que mantén la cara dentro del encuadre y bastante grande para poder leerla. La referencia ya debe tener el tempo que quieres; el prompt no puede convertir un giro rápido en un saludo lento ni recuperar un apoyo de pie oculto detrás de una silla.

Recorta el material antes de subirlo. Con FFmpeg instalado, este comando empieza un segundo dentro de una grabación y exporta un MP4 de seis segundos, reducido a un máximo de 720 píxeles de alto y manteniendo las proporciones originales:

ffmpeg -ss 1 -i rehearsal.mov -t 6 \
  -vf "scale=-2:'min(720,ih)'" \
  -c:v libx264 -crf 18 -pix_fmt yuv420p driving-six-seconds.mp4

Evita las barras de formato panorámico y el relleno: en replace se convierten en parte de la escena.

La fuente debe durar entre 2 y 30 segundos; los archivos más cortos o más largos se rechazan antes de que se cobre nada. Sube un MP4 de hasta 90 MB o pasa una URL directa de MP4 o MOV. Una página que solo reproduce el vídeo no es una URL de archivo directa, y la tarea falla con el cobro reembolsado. La duración de la fuente fija la duración de salida, así que no existe ningún campo duration_seconds para estirar una actuación de dos segundos a seis.

Ilustración: el encuadre de cuerpo entero deja sitio para el paso lateral y mantiene visible el contacto con el suelo.

Pruébalo primero en Playground

1. Abre la página de animación de personajes y quédate en la pestaña Playground en la vista Form. Inicia sesión con una cuenta con saldo para ejecutar.
2. Coloca tu imagen de personaje en Input image y tu MP4 recortado en Input video. Ambos aceptan también una Asset URL.
3. Pon Animation mode en Animate the image o Replace in the video.
4. Pon Resolution en 480p mientras compruebas la identidad y la silueta; vuelve a renderizar la toma que te quedes a 720p.
5. Pega el prompt de apoyo de abajo y fija un Seed como 42 para que dos ejecuciones sobre el mismo vídeo de conducción sean comparables.
6. Comprueba la estimación de precio y ejecútala.

Anima a la mujer adulta ficticia de la imagen proporcionada usando la actuación proporcionada. Mantén legible el único paso lateral de bienvenida y el gesto de apertura de brazos poco profundo, con los pies apoyados y un final relajado. Conserva la chaqueta color ciruela, los pantalones marfil, los rizos cortos y los zapatos planos. Sin letras añadidas.

El prompt acompaña el movimiento grabado; quién aparece viene de la imagen. Para la versión de sustitución de escena, elige Replace in the video y pide que se conserven la cámara, la iluminación y el suelo de la sala proporcionada en lugar de pedir una ubicación nueva.

En esta tarea no hay ningún campo de LoRA, de relación de aspecto ni de entrada de audio, así que no los tomes de otro endpoint de Wan.

La facturación es por segundo entregado: $0.053 a 480p y $0.11 a 720p, de modo que una fuente de 12 segundos cuesta $0.636 o $1.32. Solo la resolución cambia la tarifa; el modo, el prompt y el seed no. Cada tarea se presupuesta primero con el máximo de 30 segundos y la diferencia se reembolsa cuando se liquida contra la duración real, así que recorta primero el tiempo de ensayo inactivo, pero conserva los contactos que necesita el plano final.

Y luego ejecútalo desde código

Instala el SDK de Python (pip install spicyapi), define SPICY_API_KEY en el entorno de tu servidor y ejecuta:

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

image = client.upload_file("./character.png")             # local files become spicy:// URIs
video = client.upload_file("./driving-six-seconds.mp4")

task = client.create_task(
    model="alibaba/wan-2.2-animate/character-animation",
    input_data={
        "image_url": image["uri"],
        "video_url": video["uri"],
        "animation_mode": "animate",
        "resolution": "720p",
        "prompt": "Animate this fictional adult character using the supplied sidestep and open-arm "
                  "performance. Retain the plum jacket and ivory trousers. No added lettering.",
        "seed": 42,
    },
    idempotency_key=str(uuid.uuid4()),
)

final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"{task['taskId']} ended as {final['state']}: {final.get('errorCode')}")
print(output_assets(final)[0]["url"])  # copy the clip to your own storage now

Las cotizaciones, el sondeo, las descargas, los reintentos y los códigos de error están cubiertos en la guía de tareas y en la referencia del SDK de Python.

O deja que lo ejecute un agente

Cuando un asistente debe ejecutar las generaciones, las tres herramientas oficiales muestran el precio y te preguntan antes de una llamada de pago.

• CLI. Sube cada archivo con spicyapi files upload ./character.png, coloca las direcciones spicy:// devueltas en image_url y video_url de un input.json con los campos de arriba y ejecuta spicyapi tasks create --model alibaba/wan-2.2-animate/character-animation --input-file input.json --wait. Consulta la documentación de la CLI.
• Servidor MCP. Añade el servidor MCP a tu asistente y pídele: "Anima /path/to/character.png con /path/to/driving.mp4 en Wan 2.2 Animate, modo animate, 480p". Sube ambos archivos con spicyapi_upload_file y luego llama a spicyapi_task_create, que se detiene a la espera de tu confirmación de precio.
• Skill. npx skills add spicyapi-ai/spicy-skill instala el Agent Skill, que hace que un asistente de programación lea el esquema del modelo en vivo en lugar de adivinar los campos.

Cambia la entrada que explica el fallo

Para replace, compara el suelo, los bordes de las ventanas y los objetos de primer plano con el original.

Derechos y cuándo encaja mejor otra tarea

Necesitas los derechos de ambos archivos y el consentimiento de todas las personas grabadas o retratadas. Wan 2.2 Animate figura como modelo sin censura: SpicyAPI no añade ningún filtro de contenido, así que esa responsabilidad es tuya.

Si solo debe cambiar la cara, Video Face Swap conserva el resto del clip original. Si hay que sustituir a una persona entre varias, o debe mantenerse el audio original del clip, usa Character Swap, que analiza el clip y te deja elegir a la persona antes de editar. Si no hay que copiar ninguna actuación concreta, la imagen a vídeo es más sencilla.