Alibaba lancia Wan3.0: la generazione di video AI multimodale viene ridefinita
Alibaba è entrata ufficialmente nella fase beta di Wan3.0, un potente nuovo modello di generazione video in grado di produrre clip di alta qualità fino a 30 secondi di durata. Espandendo le capacità di input per includere documenti e prompt multimodali complessi, Wan3.0 si posiziona come uno strumento versatile per creatori, marketer e ingegneri della robotica.
Raddoppio della durata ed espansione degli input multimodali
Wan3.0 segna un salto significativo rispetto al suo predecessore, Wan2.5, raddoppiando la durata massima del video a 30 secondi. Ciò che distingue veramente questo modello è il suo sofisticato motore di elaborazione multimodale. A differenza dei tradizionali strumenti text-to-video, Wan3.0 può elaborare simultaneamente testo, immagini, video e audio.
Il modello supporta prompt altamente complessi, consentendo agli utenti di includere fino a dieci immagini, cinque video e cinque clip audio in una singola richiesta. Forse la cosa più impressionante è che Wan3.0 può acquisire media non tradizionali come PDF, pagine web e presentazioni PowerPoint, trasformando efficacemente documenti professionali statici in contenuti video dinamici. Il sistema include persino una funzione intelligente che raccomanda la durata ottimale del video in base al prompt specifico dell'utente.
Risolvere la sfida del visual drift
Uno degli ostacoli più persistenti nella generazione di video tramite IA è il "visual drift" (deriva visiva): la tendenza dei personaggi, dei tratti somatici e dei layout spaziali a distorcersi o cambiare in modo innaturale nel tempo. Alibaba ha progettato Wan3.0 specificamente per combattere queste incongruenze.
Dando priorità alla conservazione dei dettagli dei materiali di riferimento, il modello mantiene una fedeltà molto più elevata per personaggi, oggetti di scena e interfacce utente complesse. Questa attenzione alla coerenza temporale rende il modello molto più praticabile per i flussi di lavoro professionali in cui l'identità del marchio e la continuità dei personaggi sono imprescindibili.
Prezzi scalabili e applicazioni industriali
Wan3.0 è accessibile tramite il sito web wan.video, Alibaba Cloud Model Studio o attraverso un'API su Qwen Cloud. Alibaba offre due livelli distinti: una versione Standard (attualmente scontata del 30%) e una versione Prime ad alta velocità. Il prezzo scala in base alla risoluzione, passando da 1,50 $ per una clip da 480p di 30 secondi nel livello Standard a 8,40 $ per una clip in 1080p nel livello Prime.
La strategia di distribuzione si rivolge a tre settori distinti:
- Intrattenimento: velocizzare la produzione cinematografica e generare brevi drammi o clip per i social media.
- Aziendale: convertire testi di marketing e manuali di formazione in coinvolgenti asset video.
- Deep Tech: fornire filmati di simulazione realistici per addestrare veicoli autonomi e sistemi robotici.
Questo lancio segue una massiccia iniezione di capitale da parte di Alibaba, che ha recentemente effettuato una importante vendita di azioni per finanziare la sua aggressiva espansione nell'IA, nonostante gli elevati costi di investimento abbiano impattato i profitti trimestrali.
Punti chiave
- Multimodalità avanzata: Wan3.0 può trasformare PDF, PowerPoint e pagine web in video, supportando prompt complessi con fino a 20 asset multimediali combinati.
- Maggiore coerenza: Il modello affronta specificamente il visual drift, garantendo una migliore stabilità per personaggi, oggetti e ambienti nell'arco di 30 secondi.
- Ampia utilità: Progettato per un ampio spettro di utenti, dai creatori di contenuti che necessitano di clip per i social media agli ingegneri che richiedono dati di simulazione per l'addestramento della robotica.