Wan-Move: Generación de Video con Control de Movimiento

Descripción general

Wan-Move es un framework de generación de video con control de movimiento construido sobre Wan2.1 que aporta control de movimiento preciso a nivel de puntos a los modelos generativos de video. A diferencia de los métodos existentes que sufren de granularidad de control gruesa y escalabilidad limitada, Wan-Move logra un control de movimiento detallado mediante guía de trayectoria latente.

El framework representa el movimiento tomando características del primer fotograma y propagándolas a lo largo de trayectorias definidas por el usuario. Los usuarios pueden marcar puntos en objetos del primer fotograma y especificar dónde deben aparecer esos puntos en fotogramas posteriores, lo que permite un control de movimiento intuitivo similar al de herramientas comerciales como el Motion Brush de Kling 1.5 Pro.

Wan-Move elimina la necesidad de codificadores de movimiento auxiliares, haciendo que el ajuste fino de los modelos base sea fácilmente escalable. Mediante entrenamiento escalado, genera videos de 5 segundos en 480p con una controlabilidad que rivaliza con soluciones comerciales, validado mediante estudios de usuario.

Integración en ComfyUI

Wan-Move está disponible en ComfyUI a través de los nodos personalizados Kijai WanVideoWrapper. Tanto las variantes de modelo fp16 como fp8 escaladas están alojadas en Hugging Face bajo Kijai/WanVideo_comfy.

Recursos

Recurso	Enlace
Artículo	arXiv:2512.08765
GitHub	github.com/ali-vilab/Wan-Move
HuggingFace (Kijai)	Kijai/WanVideo_comfy
Página del Proyecto	wanmove.net
NeurIPS	neurips.cc/virtual/2025/poster/116293