Alibaba Wan3.0-ஐ அறிமுகப்படுத்துகிறது: மல்டிமோடல் AI வீடியோ உருவாக்கம் புதிய பரிமாணத்தை எட்டுகிறது

Alibaba நிறுவனம் அதிகாரப்பூர்வமாக Wan3.0-ன் பீட்டா (beta) கட்டத்தைத் தொடங்கியுள்ளது. இது 30 வினாடிகள் வரை உயர்தர வீடியோ கிளிப்புகளை உருவாக்கும் திறன் கொண்ட ஒரு சக்திவாய்ந்த புதிய வீடியோ உருவாக்கும் மாதிரியாகும் (model). ஆவணங்கள் மற்றும் சிக்கலான மல்டிமோடல் ப்ராம்ப்ட்களை (multimodal prompts) உள்ளடக்கும் வகையில் அதன் உள்ளீட்டுத் திறனை விரிவுபடுத்துவதன் மூலம், Wan3.0 படைப்பாளர்கள், சந்தைப்படுத்துபவர்கள் மற்றும் ரோபோட்டிக்ஸ் பொறியாளர்கள் ஆகியோருக்கு ஒரு பன்முகத்தன்மை கொண்ட கருவியாகத் தன்னை நிலைநிறுத்திக் கொள்கிறது.

நீளத்தை இரட்டிப்பாக்குதல் மற்றும் மல்டிமோடல் உள்ளீடுகளை விரிவுபடுத்துதல்

Wan3.0 தனது முன்னோடியான Wan2.5-ஐ விட ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் காட்டுகிறது; இது அதிகபட்ச வீடியோ கால அளவை 30 வினாடிகளாக இரட்டிப்பாக்கியுள்ளது. இந்த மாதிரியை மற்றவற்றிலிருந்து தனித்துவமாக மாற்றுவது அதன் அதிநவீன மல்டிமோடல் செயலாக்க இயந்திரம் (multimodal processing engine) ஆகும். பாரம்பரிய உரையிலிருந்து வீடியோவாக மாற்றும் (text-to-video) கருவிகளைப் போலல்லாமல், Wan3.0 உரை, படங்கள், வீடியோ மற்றும் ஆடியோ ஆகியவற்றை ஒரே நேரத்தில் செயலாக்க முடியும்.

இந்த மாதிரி மிகவும் சிக்கலான ப்ராம்ப்ட்களை ஆதரிக்கிறது, பயனர்கள் ஒரே கோரிக்கையில் பத்து படங்கள், ஐந்து வீடியோக்கள் மற்றும் ஐந்து ஆடியோ கிளிப்புகள் வரை சேர்க்க அனுமதிக்கிறது. மிகவும் வியக்கத்தக்க விஷயம் என்னவென்றால், Wan3.0 ஆனது PDF-கள், வலைப்பக்கங்கள் மற்றும் PowerPoint விளக்கக்காட்சிகள் போன்ற வழக்கத்திற்கு மாறான ஊடகங்களை உள்ளீடாகப் பெற்று, நிலையான தொழில்முறை ஆவணங்களை ஆற்றல்மிக்க வீடியோ உள்ளடக்கமாக மாற்றுகிறது. பயனரின் குறிப்பிட்ட ப்ராம்ப்டின் அடிப்படையில் உகந்த வீடியோ நீளத்தைப் பரிந்துரைக்கும் ஒரு புத்திசாலித்தனமான அம்சத்தையும் இந்த அமைப்பு கொண்டுள்ளது.

'விஷுவல் டிரிஃப்ட்' (Visual Drift) சவாலைத் தீர்த்தல்

AI வீடியோ உருவாக்கத்தில் உள்ள மிகவும் தொடர்ச்சியான தடைகளில் ஒன்று "விஷுவல் டிரிஃப்ட்" (visual drift) ஆகும்—அதாவது கதாபாத்திரங்கள், முக அம்சங்கள் மற்றும் இடஞ்சார்ந்த அமைப்புகள் காலப்போக்கில் சிதைவடைவது அல்லது இயற்கைக்கு மாறாக மாறுவது போன்ற போக்கு. இந்த முரண்பாடுகளைத் தடுப்பதற்காகவே Alibaba Wan3.0-ஐ வடிவமைத்துள்ளது.

குறிப்புப் பொருட்களிலிருந்து (reference materials) விவரங்களைப் பாதுகாப்பதற்கே முன்னுரிமை அளிப்பதன் மூலம், இந்த மாதிரி கதாபாத்திரங்கள், பொருட்கள் மற்றும் சிக்கலான பயனர் இடைமுகங்களுக்கு (user interfaces) மிக உயர்ந்த துல்லியத்தைப் பராமரிக்கிறது. காலப்போக்கில் ஏற்படும் மாற்றங்களின் நிலைத்தன்மையில் (temporal consistency) காட்டும் இந்த கவனம், பிராண்ட் அடையாளம் மற்றும் கதாபாத்திரத் தொடர்ச்சி ஆகியவை மிக முக்கியமான தொழில்முறைப் பணிகளுக்கு இந்த மாதிரியை மிகவும் பயனுள்ளதாக மாற்றுகிறது.

அளவிடக்கூடிய விலை மற்றும் தொழில்முறைப் பயன்பாடுகள்

Wan3.0 ஆனது wan.video இணையதளம், Alibaba Cloud Model Studio அல்லது Qwen Cloud-ல் உள்ள API மூலம் அணுகப்படலாம். Alibaba இரண்டு வெவ்வேறு நிலைகளை வழங்குகிறது: ஒரு Standard பதிப்பு (தற்போது 30% தள்ளுபடி விலையில் உள்ளது) மற்றும் அதிவேக Prime பதிப்பு. விலை தீர்மானமானது (resolution) அடிப்படையில் மாறுபடுகிறது; Standard நிலையில் 480p தரத்தில் 30 வினாடி கிளிப்பிற்கு $1.50 முதல் Prime நிலையில் 1080p கிளிப்பிற்கு $8.40 வரை இருக்கும்.

இதன் பயன்பாட்டுத் திட்டம் மூன்று வெவ்வேறு துறைகளை இலக்கு வைக்கிறது:

• பொழுதுபோக்கு (Entertainment): திரைப்படத் தயாரிப்பை விரைவுபடுத்துதல் மற்றும் குறுகிய நாடகங்கள் அல்லது சமூக ஊடக கிளிப்புகளை உருவாக்குதல்.
• நிறுவனங்கள் (Enterprise): சந்தைப்படுத்தல் உரைகள் மற்றும் பயிற்சி கையேடுகளை ஈர்க்கக்கூடிய வீடியோ சொத்துக்களாக மாற்றுதல்.
• ஆழ்ந்த தொழில்நுட்பம் (Deep Tech): தானியங்கி வாகனங்கள் மற்றும் ரோபோட்டிக்ஸ் அமைப்புகளைப் பயிற்றுவிக்க யதார்த்தமான உருவகப்படுத்துதல் (simulation) காட்சிகளை வழங்குதல்.

இந்த அறிமுகமானது Alibaba நிறுவனத்தின் மிகப்பெரிய மூலதன முதலீட்டைத் தொடர்ந்து வருகிறது. அதிக முதலீட்டுச் செலவுகள் அதன் காலாண்டு லாபத்தைப் பாதித்த போதிலும், தனது தீவிரமான AI விரிவாக்கத்திற்கு நிதி திரட்ட Alibaba சமீபத்தில் ஒரு பெரிய பங்கு விற்பனையைச் செய்தது.

முக்கியக் குறிப்புகள்

• மேம்படுத்தப்பட்ட மல்டிமோடாலிட்டி: Wan3.0 ஆனது PDF-கள், PowerPoint-கள் மற்றும் வலைப்பக்கங்களை வீடியோவாக மாற்ற முடியும்; மேலும் 20 ஒருங்கிணைந்த ஊடகக் கூறுகள் கொண்ட சிக்கலான ப்ராம்ப்ட்களை ஆதரிக்கிறது.
• மேம்படுத்தப்பட்ட நிலைத்தன்மை: இந்த மாதிரி குறிப்பாக 'விஷுவல் டிரிஃப்ட்' சிக்கலைத் தீர்க்கிறது, இதன் மூலம் 30 வினாடிகள் வரையிலான வீடியோக்களில் கதாபாத்திரங்கள், பொருட்கள் மற்றும் சூழல்களுக்குச் சிறந்த நிலைத்தன்மையை உறுதி செய்கிறது.
• பரந்த பயன்பாடு: சமூக ஊடகக் கிளிப்புகள் தேவைப்படும் உள்ளடக்க உருவாக்குபவர்கள் முதல் ரோபோட்டிக்ஸ் பயிற்சியின் জন্য உருவகப்படுத்துதல் தரவு தேவைப்படும் பொறியாளர்கள் வரை பல்வேறு வகையான பயனர்களுக்காக இது வடிவமைக்கப்பட்டுள்ளது.