两者都是替换视频里的角色，也都开源了权重。区别在于各自开跑之前需要什么，以及跑多久。Wan Animate 要一张角色图，外加 pose、面部、遮罩、背景四道预处理。Viggle-Animate 要这段视频和它自己的一帧重绘图——然后 3 次前向推理，而不是 40 次。
四个 sigma 边界之间就是三次推理，而且整段 124 帧在一个窗口内跑完。Wan 是 20 步采样，而它的窗口是 77 帧，所以 124 帧要拆成两段串起来——总共 40 次。下面片段里的标签数的是每段的采样步数（4 对 20），表格数的是总推理次数（3 对 40），两者描述的是同两次运行。另外 Viggle-Animate 反而是更大的模型（33.1B 对 17.3B），并不是靠更轻取胜；26 秒是单张 B200 的成绩，你自己的硬件会不同。
用任意图像编辑器改掉自己素材里的一帧，这一帧就会把角色带过整个镜头。不用提取骨骼、不用修遮罩、不用跟面部追踪较劲。你画成什么样，传播出去就是什么样。
角色替换通常正是在动得快的时候崩。并排渲染里 Wan2.2-Animate-14B 在头部和四肢快速移动时会拖影，而 Viggle-Animate 保住细节，并且对上了站姿宽度、手臂伸展和极限姿态的时间点——而且完全没有姿态输入。
因为链路里没有任何东西去提取姿态，同一套双输入接口就能处理动物、风格化与插画角色，以及非人形物体——公开案例里最难的是那架客机。而围绕姿态估计搭的流水线，只能走到估计器认得出主体的地方。
什么情况下选择 Viggle-Animate
单次渲染 6.1 倍、只算采样 10.3 倍：同一台机器、同一张 B200、同样的源视频，124 帧 / 24fps / 480×832，26 秒对 160 秒，采样 13.6 秒对 140 秒。那 160 秒还不包含 Wan 的预处理，所以实际差距更大。关于推理次数：Viggle-Animate 是整段 124 帧在一个窗口里跑 3 次，而 Wan 的窗口是 77 帧、采样 20 步，所以 124 帧会拆成两段串行、合计 40 次——这也是为什么对比片段上标的「4 steps」和「20 steps」，和表格里 3 对 40 那一行说的是同两次运行。Viggle-Animate 是两者中更大的模型（33.1B 对 17.3B），所以速度来自 3 次前向推理而不是 40 次，不是因为网络更小。
用托管版不需要——在浏览器里跑，你只上传一张角色图。本地使用的话，权重在 Hugging Face，已经能在 WanGP 和社区 ComfyUI 节点里跑。要注意 26 秒是 B200 的基准；消费级显卡会更慢，而且 33.1B 参数比 Wan 的 17.3B 需要更多显存。
不需要。重绘帧准备好之后，视频推理阶段不加载任何辅助模型——没有姿态估计、分割、面部追踪或文本编码器。Wan Animate 在采样开始前要先跑 pose、面部、遮罩、背景的预处理。
就是从你自己的驱动视频里取一帧，用图像编辑器把角色改掉——公开的方法里用的是 gpt-image。这是 Wan 没有的一步，也是 Wan 更简单的唯一地方：它直接吃一张角色图。代价交换是：重绘帧把 pose、遮罩、背景的预处理整套去掉了，而且它只是一次图片编辑，不是每段素材都要跑一条流水线。
Viggle-Animate，而这也是公开对比里差距最大的地方。Wan2.2-Animate-14B 在头部和四肢快速移动时容易丢细节、出拖影，而 Viggle-Animate 角色细节更清晰、也更贴合原始姿态——站姿宽度、手臂伸展、肢体位移和极限姿态的时间点——尽管它没有拿到任何骨骼输入。
两者都在 Hugging Face 发布了开源权重，也都能在 WanGP 和 ComfyUI 里跑。获取方式上的区别在托管：Viggle 有官方托管版，不用本地安装就能用；Wan Animate 只有第三方托管。
当你本地跑、17.3B 塞得进显存而 33.1B 塞不进时；当你需要把 pose、遮罩、背景当作可检查、可覆盖的独立输入时；或者你已经有一条基于 Wan 的 ComfyUI 流水线，迁移成本高于省下的渲染时间时。
权重可以免费下载自己跑。托管版可以免费试用，用量大之后走付费方案——当前档位见定价页。
一段视频，一张角色图，不用骨骼绑定也不用提示词。可以在浏览器里试，也可以下载权重自己跑。