Wan-Dancer stammt aus dem HumanaIGC-Forschungsprojekt und baut auf dem Wan-Video-Ökosystem auf, zu dem auch das öffentlich verfügbare Wan-Dancer-14B-Modell auf HuggingFace gehört. Das Framework löst ein bekanntes Problem aktueller Diffusionsmodelle: Diese versagen typischerweise jenseits von 20 Sekunden durch Temporal Drift, Identitätsinkonsistenzen und sich wiederholende Bewegungsmuster. Wan-Dancer trennt den Generierungsprozess in zwei Stufen – globales Keyframe-Planning, das den gesamten Musiktrack analysiert, und lokales Temporal Refinement, das Übergänge zwischen Keyframes verfeinert. Für die präzise rhythmische Synchronisation nutzt das System time-mapped RoPE-Embeddings, die eine dynamische Framerate-Anpassung ermöglichen. Eine optische-Fluss-basierte Verlustfunktion sorgt zusätzlich für Bewegungskontinuität, während ein dedizierter Motion-Speed-Controller bei schnellen Bewegungen Details erhält. Das Modell kann sowohl über Audioinput als auch über Textprompts gesteuert werden und unterstützt fünf Tanzgenres. Neben dem GitHub-Repository und den Modellgewichten steht das System über ModelScope Studio und einen HuggingFace Space zur direkten Erprobung bereit.