SCAIL-2 开源：支持多角色与动物动作迁移，打斗场景也能稳住

SCAIL-2 是 ZAI 开源的端到端视频动作迁移与角色动画模型。它可以把你给的参考视频里的动作，完整搬运到另一个全新角色身上，而且全程不需要经过中间骨架提取。

这意味着你不用再忍受传统骨骼绑定识别不准、手脚错乱或者动作僵硬的问题，直接实现从像素到像素的动作映射。

它能做什么

最显眼的能力是处理复杂的多角色交互。比如原始视频里两个人近身缠斗、大幅度翻滚打斗，SCAIL-2 能够准确识别两个角色的位置对应关系，把两套动作同时搬到森林打斗等新画面里，角色细节和动作幅度都能保持稳定。

它不仅能识别人类，还能做非人类动物的动作迁移。你可以把视频里跳舞或走动的真人，直接替换成一只火烈鸟，模型依然能把人类肢体动作合理转换到鸟类骨架上。

对于身材比例极其怪异的动漫形象或体型胖硕的生物，它也能自动理解形体并完成合理的动作变形。此外，在角色替换和多角色模式下，它连原视频里的镜头运镜都能顺带保留下来，在镜头控制上甚至超过了部分闭源模型。

目前模型支持 512p 和 704p 分辨率输出，生成过程中很少出现画面闪烁、坏手或结构撕裂的情况。

它是怎么做到的

传统的动作迁移工具大多依赖骨骼关键点作为中间人，一旦遇到遮挡、复杂动作或者动物，骨骼提取就会直接失效。

SCAIL-2 的做法是彻底绕过中间骨骼表示。开发团队利用现有模型合成了 6 万对动作数据，设计了一套包含两类遮罩通道和专用 RoPE 位置编码的统一动作迁移接口，并配合偏好对齐机制 Bias-Aware DPO 来拉高细节表现。

它用不同的遮罩颜色来告诉模型哪里是背景、哪里是角色对应关系，从而做到端到端的上下文驱动，甚至支持零样本多视角参考图输入。

怎么跑起来与硬件门槛

项目已经在 GitHub 开源，包含完整的推理代码、训练代码以及 ComfyUI 插件支持。

不过想要在本地跑起来，门槛相当高。Hugging Face 仓库里集成了 Wan VAE 和 T5 等必要模块，打包下载的总大小达到了 81GB。

对于绝大多数使用消费级显卡的个人开发者来说，目前的显存压力非常大，建议等待社区后续推出量化版或 GGUF 权重再进行本地部署。官方同时也提供了训练代码分支，方便有算力条件的用户微调。

为什么重要

对于动画师、游戏开发者和独立视频创作者来说，SCAIL-2 跨越了动作迁移里最折磨人的一关。过去把人类动作套给怪物或动物，往往需要繁琐的动捕重定向和手动修帧，现在用开源模型就能端到端跑出高可用原型。

和闭源工具相比，它的运镜还原和多角色缠斗表现丝毫不落下风。虽然 81GB 的体积把大多数单卡玩家挡在了门外，但只要社区完成轻量化改造，它很可能会成为开源视频生成工作流里的标配动作引擎。