Scail2 动作迁移教程：一段跳舞视频，让 AI 角色原样复刻

Scail2 动作迁移是什么？能做什么

动作迁移 = 把一段视频里的动作，原样搬到另一个人/角色身上。这一篇的 Scail2 动作迁移工作流：加载一段动作视频（比如跳舞、走路、打太极），再上传一张目标人物图（真人/古风人物/卡通角色都行），它就能生成"目标人物做着视频里的动作"的新视频——换人不换动作。

它能做什么？

• 真人动作搬给 AI 角色：自己录一段舞蹈，让 AI 人物（古风角色、卡通角色）跳一模一样的舞
• 角色动作复刻：让某个角色做指定动作（打招呼、挥手、行走），不用逐帧摆姿势
• 实拍动作再利用：一段实拍动作视频，批量套到多个角色身上

和 H3 图生视频的区别：H3 是"参考图 + 提示词"生成（动作靠提示词描述）；Scail2 是骨架驱动——先从动作视频里提取人体关键点序列（骨架），再让模型严格按骨架生成，动作精度高得多。

第 1 步：打开 Scail2 动作迁移工作流

启动 ComfyUI，打开 AI星尘-Minimax H3 文件夹里的 AI星尘--Scail2动作迁移V1.json。

模型已全部内置（SCAIL 专用模型 + SDPose 关键点模型 + 人体检测模型 + Wan 文本/图像编码器），开箱即用。

第 2 步：认识工作流（三大块）

这个工作流比前面几篇复杂，但理解成三块就清晰了：

• 动作提取区：VHS_LoadVideo 加载动作视频 → 人体检测（RTDETR）→ 关键点提取（SDPoseKeypointExtractor）→ 绘制骨架关键点图——把"动作"从视频里抽出来变成骨架数据
• 形象输入区：LoadImage 加载目标人物图 → CLIP Vision 编码——告诉模型"用谁的脸和身体"
• SCAIL 生成区：WanSCAILToVideo（SCAIL 专用模型）吃"骨架 + 形象 + 提示词" → 生成目标人物做该动作的视频 → VHS_VideoCombine 输出

一句话：左半抽动作，中间定形象，右半合成新视频。

第 3 步：加载动作视频（跳什么）

点 VHS_LoadVideo 节点，选择动作视频——视频里要有清晰完整的人体动作（人物全身出镜、动作幅度明显、光线正常）。

建议：3~10 秒、单人出镜、动作连贯的视频效果最好（工作流默认挂了一段跳舞视频示例）。

第 4 步：加载目标人物图（谁来跳）

点 LoadImage 节点，上传目标人物图——你想要谁来做这个动作（真人照片、古风人物、卡通角色都行）。

建议：人物正脸 + 全身（或大半身）清晰图，服装/形象越明确，生成越像。

第 5 步：填提示词

找到「正面提示词」输入框（工作流自带示例：卡通小狗在跳舞。），填上目标人物 + 动作的描述：

• 示例：古风少女在跳舞，长袖飘逸。
• 要点：写清人物形象（配合 LoadImage 的图）和动作类型（和动作视频一致）

负面提示词已预置（色调艳丽、过曝、静止、模糊等），不用管。

第 6 步：点运行，等动作上身

点「运行」——流程自动走：检测视频里的人 → 提取骨架 → 结合人物图生成新视频。生成完成后 VHS_VideoCombine 输出成片（SCL_xxx.mp4，25 帧/秒）。

实测案例：上传一段 5 秒跳舞视频 + 一张古风人物图，跑完后古风人物完整复刻了跳舞动作——服装、面部是古风人物，动作节奏和视频一致。

参数速览（保持默认即可）

• WanSCAILToVideo：分辨率 512x896（竖版）、帧数自动按视频时长换算（内部循环分段处理，不用管）
• 模型：wan2.1_14B_SCAIL_2（fp8）+ I2V LoRA（加速）+ Wan VAE + umt5 文本编码器——工作流已配好
• 采样器：4 步 euler_ancestral + simple（加速配置）
• 人体检测：RTDETR（person 类别）+ sdpose_wholebody 关键点模型——自动，不用动

技巧

• 动作视频质量优先：骨架提取直接决定生成质量——人物全身清晰、动作幅度大、背景简单的视频效果最好
• 人物图正脸全身：目标人物图越完整（正脸+全身+服装清晰），生成越像；半身照也凑合但全身更稳
• 多角色批量：同一个动作视频，换不同的 LoadImage 人物图重跑——一个动作批量套到 N 个角色
• 配合 SAM3 使用：先用 SAM3 把动作视频里的人抠干净（或把人物图抠成透明底），动作迁移效果更干净

常见问题

• 生成的人物不像？人物图换正脸全身清晰版；提示词里的人物描述和图保持一致
• 动作不完整/变形？动作视频里人物太小或被遮挡——换个全身清晰、动作连贯的视频
• 跑得慢？SCAIL 是 14B 模型 + 循环分段处理，慢是正常的；视频短一点、分辨率保持默认会快些
• 视频里有多个人的？RTDETR 检测 person 会框多人——动作视频尽量单人出镜

小结

Scail2 动作迁移 = 抽动作 + 定形象 + 生成三段式：动作视频提取骨架关键点，人物图确定形象，SCAIL 模型按骨架生成新视频。换人不换动作——录一段舞，AI 角色帮你跳；一套动作，批量套角色。