Alibaba Melancarkan Wan3.0: Definisi Baharu Penjanaan Video AI Multimodal
Alibaba telah secara rasmi memasuki fasa beta Wan3.0, sebuah model penjanaan video baharu yang berkuasa dan mampu menghasilkan klip berkualiti tinggi sehingga 30 saat panjangnya. Dengan memperluas keupayaan input untuk merangkumi dokumen dan arahan (prompt) multimodal yang kompleks, Wan3.0 meletakkan dirinya sebagai alat serba guna untuk pencipta kandungan, pemasar, dan jurutera robotik.
Menggandakan Tempoh dan Memperluas Input Multimodal
Wan3.0 menandakan lonjakan besar berbanding pendahulunya, Wan2.5, dengan menggandakan durasi video maksimum kepada 30 saat. Apa yang benar-benar membezakan model ini adalah enjin pemprosesan multimodal yang canggih. Tidak seperti alatan teks-ke-video tradisional, Wan3.0 boleh memproses teks, imej, video, dan audio secara serentak.
Model ini menyokong arahan yang sangat kompleks, membolehkan pengguna menyertakan sehingga sepuluh imej, lima video, dan lima klip audio dalam satu permintaan tunggal. Mungkin yang paling mengagumkan, Wan3.0 boleh menerima media bukan tradisional seperti PDF, laman web, dan pembentangan PowerPoint, sekali gus mengubah dokumen profesional yang statik kepada kandungan video yang dinamik. Sistem ini juga menyertakan ciri pintar yang mencadangkan tempoh video yang optimum berdasarkan arahan khusus pengguna.
Menyelesaikan Cabaran "Visual Drift"
Salah satu rintangan yang paling berterusan dalam penjanaan video AI ialah "visual drift"—kecenderungan watak, ciri wajah, dan susun atur ruang untuk terpesong atau berubah secara tidak semula jadi dari semasa ke semasa. Alibaba telah merekayasa Wan3.0 khusus untuk memerangi ketidakkonsistenan ini.
Dengan mengutamakan pemeliharaan butiran daripada bahan rujukan, model ini mengekalkan kesetiaan (fidelity) yang jauh lebih tinggi untuk watak, prop, dan antara muka pengguna yang kompleks. Fokus pada konsistensi temporal ini menjadikan model tersebut jauh lebih praktikal untuk aliran kerja profesional di mana identiti jenama dan kesinambungan watak adalah perkara yang tidak boleh dikompromi.
Harga Boleh Skala dan Aplikasi Industri
Wan3.0 boleh diakses melalui laman web wan.video, Alibaba Cloud Model Studio, atau melalui API pada Qwen Cloud. Alibaba menawarkan dua peringkat berbeza: versi Standard (kini dengan diskaun 30%) dan versi Prime berkelajuan tinggi. Harga berubah mengikut resolusi, bermula dari $1.50 untuk klip 480p selama 30 saat pada peringkat Standard sehingga $8.40 untuk klip 1080p pada peringkat Prime.
Strategi penggunaan menyasarkan tiga sektor berbeza:
- Hiburan: Mempercepatkan produksi filem dan menjana drama pendek atau klip media sosial.
- Perusahaan: Menukar salinan pemasaran dan manual latihan kepada aset video yang menarik.
- Teknologi Mendalam (Deep Tech): Menyediakan rakaman simulasi realistik untuk melatih kenderaan autonomi dan sistem robotik.
Pelancaran ini menyusul selepas suntikan modal besar oleh Alibaba, yang baru-baru ini melaksanakan penjualan saham utama untuk membiayai pengembangan AI yang agresif, walaupun kos pelaburan yang tinggi telah menjejaskan keuntungan suku tahunan.
Ringkasan Utama
- Multimodaliti yang Dipertingkatkan: Wan3.0 boleh mengubah PDF, PowerPoint, dan laman web kepada video, menyokong arahan kompleks dengan sehingga 20 aset media gabungan.
- Konsistensi yang Ditambah Baik: Model ini menangani isu "visual drift" secara khusus, memastikan kestabilan yang lebih baik untuk watak, prop, dan persekitaran sepanjang tempoh 30 saat.
- Kegunaan yang Luas: Direka untuk pelbagai jenis pengguna, daripada pencipta kandungan yang memerlukan klip media sosial sehinggalah jurutera yang memerlukan data simulasi untuk latihan robotik.