علی‌بابا Wan3.0 را با توانایی تولید ویدیوهای ۳۰ ثانیه‌ای و قابلیت تبديل PDF به ویدئو عرضه کرد

علی‌بابا نسخه بتای Wan3.0 را عرضه کرده است؛ مدلی برای تولید ویدیو با هوش مصنوعی که می‌تواند خروجی‌هایی تا ۳۰ ثانیه بسازد و برخلاف بسیاری از ابزارهای مشابه، فقط به متن یا تصویر محدود نیست. Wan3.0 علاوه‌بر متن، تصویر، ویدیو و صدا، فایل‌های PDF، صفحات وب و ارائه‌های PowerPoint را نیز به‌عنوان ورودی می‌پذیرد و داده‌های ثابت را به محتوای ویدیویی تبدیل می‌کند.

مدت‌زمان قابل تولید در Wan3.0 نسبت به Wan2.5 دو برابر شده است و این مدل می‌تواند بر اساس محتوای پرامپت، طول مناسب ویدیو را پیشنهاد دهد و برای ویدیوهای موجود نیز ابزار توسعه دارد تا مدت آن‌ها افزایش پیدا کند. در پردازش چندرسانه‌ای، یک پرامپت می‌تواند هم‌زمان شامل حداکثر ۱۰ تصویر، ۵ ویدیو و ۵ فایل صوتی باشد و مدل همه این ورودی‌ها را در کنار متن پردازش می‌کند.

یکی از مشکلات رایج ویدیوهای تولیدشده با هوش مصنوعی، تغییر تدریجی ظاهر عناصر و ایجاد اعوجاج است؛ مسئله‌ای که به‌ویژه در چهره‌ها و رابط‌های کاربری دیده می‌شود. علی‌بابا می‌گوید Wan3.0 برای کاهش این مشکل طراحی شده و تلاش می‌کند جزئیات موجود در منابع مرجع را پایدارتر نگه دارد. شخصیت‌ها، اشیا و چیدمان‌های فضایی از جمله عناصری هستند که مدل روی حفظ ثبات آن‌ها تمرکز دارد.

نمونه ویدیوهای تولیدشده با Wan3.0:

علی‌بابا Wan3.0 از طریق وب‌سایت wan.video، سرویس Alibaba Cloud Model Studio و همچنین API در Qwen Cloud ارائه می‌شود. کاربران می‌توانند میان دو سطح Standard و Prime انتخاب کنند؛ نسخه Standard در حال حاضر با ۳۰ درصد تخفیف عرضه می‌شود و Prime برای پردازش سریع‌تر در نظر گرفته شده است. هزینه هر ثانیه در Standard برای خروجی‌های 480p، 720p و 1080p به‌ترتیب ۵، ۱۰ و ۲۰ سنت است.

در نسخه Prime، قیمت تولید هر ثانیه ویدیو در وضوح‌های 480p، 720p و 1080p به‌ترتیب ۰.۰۶۸، ۰.۱۴ و ۰.۲۸ دلار تعیین شده است. بنابراین تولید یک ویدیوی ۳۰ ثانیه‌ای با Standard در این سه وضوح به‌ترتیب ۱.۵۰، ۳ و ۶ دلار هزینه دارد، در حالی که همین خروجی با Prime به‌ترتیب ۲.۰۴، ۴.۲۰ و ۸.۴۰ دلار قیمت خواهد داشت.

علی‌بابا Wan3.0 را برای کاربردهایی فراتر از تولید محتوای معمولی در نظر گرفته است؛ از تسریع فرایند تولید فیلم و ساخت درام‌های کوتاه گرفته تا تولید کلیپ برای شبکه‌های اجتماعی. کسب‌وکارها نیز می‌توانند متن و تصویر را به ویدیوهای بازاریابی و آموزشی تبدیل کنند. در بخش فناوری، توسعه‌دهندگان می‌توانند از مدل برای ساخت ویدیوهای شبیه‌سازی واقع‌گرایانه جهت آموزش خودروهای خودران و سیستم‌های رباتیک استفاده کنند.

عرضه Wan3.0 هم‌زمان با افزایش سرمایه‌گذاری علی‌بابا در حوزه هوش مصنوعی انجام شده است. این شرکت اخیراً بزرگ‌ترین عرضه سهام یک شرکت فهرست‌شده در هنگ‌کنگ را برای تأمین مالی برنامه‌های هوش مصنوعی خود اعلام کرد. علی‌بابا همچنین هفته گذشته از افت ۷۵ درصدی سود فصلی نسبت به سال گذشته خبر داد؛ کاهشی که شرکت آن را به افزایش شدید سرمایه‌گذاری‌هایش در حوزه هوش مصنوعی نسبت داده است.

منبع