Alibaba Yazindua Wan3.0: Uundaji wa Video wa AI wa Multimodal Unapata Tafsiri Mpya

Alibaba imeingia rasmi katika hatua ya beta ya Wan3.0, modeli mpya yenye nguvu ya uundaji wa video inayoweza kuzalisha vipande vya video vya hali ya juu vya hadi sekunde 30. Kwa kupanua uwezo wa kuingiza data ili kujumuisha nyaraka na maelekezo (prompts) tata ya multimodal, Wan3.0 inajipanga kama chombo mseto kwa wabunifu, wataalamu wa masoko, na wahandisi wa roboti pia.

Kuongeza Muda Mara Mbili na Kupanua Ingizo za Multimodal

Wan3.0 inaashiria hatua kubwa mbele ikilinganishwa na mtangulizi wake, Wan2.5, kwa kuongeza muda wa juu wa video mara mbili hadi sekunde 30. Kinachoutofautisha modeli hii kweli ni injini yake ya kisasa ya usindikaji wa multimodal. Tofauti na zana za jadi za maandishi-kwenda-video, Wan3.0 inaweza kusindika maandishi, picha, video, na sauti kwa wakati mmoja.

Modeli hii inasaidia maelekezo (prompting) tata sana, ikiruhusu watumiaji kujumuisha hadi picha kumi, video tano, na vipande tano vya sauti katika ombi moja. Labda jambo la kuvutia zaidi ni kwamba, Wan3.0 inaweza kupokea vyombo vya habari visivyo vya kawaida kama vile PDF, kurasa za wavuti, na mawasilisho ya PowerPoint, ikibadilisha nyaraka za kitaalamu zisizobadilika kuwa maudhui ya video ya kusisimua. Mfumo huo hata unajumuisha kipengele cha akili kinachopendekeza urefu bora wa video kulingana na maelekezo mahususi ya mtumiaji.

Kutatua Changamoto ya Visual Drift

Moja ya vikwazo vya kudumu katika uundaji wa video wa AI ni "visual drift"—tabia ya wahusika, sifa za uso, na mpangilio wa nafasi kupotoka au kubadilika kiasili baada ya muda. Alibaba imeunda Wan3.0 mahususi ili kupambana na kutokuwa na uthabiti huku.

Kwa kutoa kipaumbele katika kuhifadhi maelezo kutoka kwenye nyenzo za marejeleo, modeli hii inadumisha usahihi mkubwa zaidi wa wahusika, vifaa (props), na miongozo tata ya watumiaji. Mtazamo huu wa uthabiti wa muda unaifanya modeli hii kuwa muhimu zaidi kwa michakato ya kitaalamu ambapo utambulisho wa chapa na mwendelezo wa mhusika ni jambo lisiloweza kujadiliwa.

Bei Inayoweza Kupanuka na Matumizi ya Viwanda

Wan3.0 inapatikana kupitia tovuti ya wan.video, Alibaba Cloud Model Studio, au kupitia API kwenye Qwen Cloud. Alibaba inatoa viwango viwili tofauti: toleo la Standard (kwa sasa likiwa na punguzo la 30%) na toleo la Prime lenye kasi kubwa. Bei inategemea azimio (resolution), kuanzia $1.50 kwa kipande cha sekunde 30 cha 480p kwenye kiwango cha Standard hadi $8.40 kwa kipande cha 1080p kwenye kiwango cha Prime.

Mkakati wa utumiaji unalenga sekta tatu tofauti:

• Burudani: Kuharakisha uzalishaji wa filamu na kutengeneza tamthilia fupi au vipande vya mitandao ya kijamii.
• Biashara: Kubadilisha nakala za masoko na miongozo ya mafunzo kuwa mali za video zinazovutia.
• Teknolojia ya Juu (Deep Tech): Kutoa picha za simulizi za kweli za kufundisha magari yanayojiendesha na mifumo ya roboti.

Uzinduzi huu unafuatia uwekaji mkubwa wa mtaji na Alibaba, ambayo hivi karibuni ilitekeleza mauzo makubwa ya hisa ili kufadhili upanuzi wake mkubwa wa AI, hata wakati gharama kubwa za uwekezaji zilipopunguza faida za robo mwaka.

Mambo Muhimu ya Kuzingatia

• Multimodality Iliyoboreshwa: Wan3.0 inaweza kubadilisha PDF, PowerPoint, na kurasa za wavuti kuwa video, ikisaidia maelekezo tata yenye hadi rasilimali 20 za mchanganyiko wa vyombo vya habari.
• Uthabiti Iliyoboreshwa: Modeli hii inashughulikia mahususi visual drift, ikihakikisha uthabiti bora wa wahusika, vifaa, na mazingira katika muda wa sekunde 30.
• Umuhimu Mpana: Imeundwa kwa ajili ya aina mbalimbali za watumiaji, kuanzia wabunifu wa maudhui wanaohitaji vipande vya mitandao ya kijamii hadi wahandisi wanaohitaji data za simulizi kwa ajili ya mafunzo ya roboti.