智谱 AI 旗下开源项目在 Hugging Face 上发布了新一代角色动画模型 SCAIL-2，上线不久即获得 42.8k 次下载。该模型以 MIT 许可证 开放，定位为端到端的可控角色动画工具，核心突破在于彻底摆脱了对骨骼图、修复掩膜等中间表示的依赖。

传统角色动画方案通常需要先从驱动视频中提取人体姿态骨架，再将骨架映射到参考角色上。这一流程在复杂运动下容易产生歧义，且驱动源往往局限于人体动作，难以拓展到动物驱动或跨身份替换。SCAIL-2 的设计思路是 端到端驱动：直接输入一张参考角色图像和一段驱动视频，模型即可输出该角色执行相应动作的视频序列。

为实现这一能力，研究团队借助 SCAIL-Preview、Wan-Animate 和 MoCha 等多个现成模型合成了约 6 万组 运动配对数据，并通过统一运动迁移接口进行训练。该接口引入了专用掩膜通道和 RoPE 位置编码设计，配合反向驱动训练策略，使模型涌现出超越教师模型的能力，包括跨身份角色替换、动物驱动场景，以及对 SAM3D-Body 网格渲染等高级控制中间表示的零样本支持。

在技术规格上，SCAIL-2 的端到端驱动同时支持 512p 和 704p 分辨率，其中姿态驱动与角色替换在 704p 下效果更优。输入图像的高和宽需能被 32 整除，例如 704×1280。模型权重中已集成 Wan VAE 和 T5 模块，方便开发者直接调用。

从产业视角看，SCAIL-2 的开源意味着高质量角色动画能力不再被少数闭源工具垄断。对于视频生成、虚拟人、游戏过场动画以及社交媒体内容创作等领域，开发者可以在本地部署并微调该模型，结合自身数据构建差异化的动画工作流。尤其值得关注的是其动物驱动和多角色场景支持，这为影视预演、虚拟主播等场景提供了更灵活的素材生成手段。

目前项目已在 GitHub 上提供推理代码、环境配置和详细使用说明，论文也同步发布于 arXiv（编号 2606.10804）。随着社区后续的适配与优化，SCAIL-2 有望成为 AI 动画工具链中的重要基础模型之一。