Wan3.0 علی‌بابا از راه رسید؛ هوش مصنوعی جدیدی که می‌تواند ویدیوهای ۳۰ ثانیه‌ای بسازد

شرکت علی‌بابا رسماً از نسل جدید مدل هوش مصنوعی تولید ویدیو خود با نام Wan3.0 رونمایی کرد؛ مدلی که می‌تواند ویدیوهایی تا ۳۰ ثانیه تولید کند و علاوه بر متن و تصویر، فایل‌هایی مانند PDF، پاورپوینت، Word، Excel و حتی صفحات وب را به‌عنوان ورودی دریافت کند. این مدل در حال حاضر از طریق سرویس‌های هوش مصنوعی ابری علی‌بابا در دسترس قرار گرفته است.

یکی از مهم‌ترین پیشرفت‌های Wan3.0، افزایش مدت زمان تولید ویدیو است. نسل جدید می‌تواند یک ویدیوی ۳۰ ثانیه‌ای را در یک مرحله تولید کند و خروجی آن به وضوح ۱۰۸۰p نیز می‌رسد. علی‌بابا می‌گوید این مدل در حفظ ظاهر شخصیت‌ها، اشیا، چیدمان صحنه و حرکت در طول ویدیو عملکرد بهتری دارد و امکان تولید محتوای صوتی و تصویری هماهنگ را نیز فراهم می‌کند.

اما قابلیت جالب‌تر Wan3.0، پشتیبانی از ورودی‌های چندوجهی است. کاربر می‌تواند علاوه بر متن، تصویر، ویدیو و صدا، اسناد مختلف مانند PDF، فایل‌های PowerPoint، Word و Excel را نیز در اختیار مدل قرار دهد. به این ترتیب، برای مثال می‌توان یک فایل ارائه یا سند متنی را به مدل داد تا ساختاری ویدیویی بر اساس محتوای آن تولید کند؛ قابلیتی که می‌تواند برای آموزش، تبلیغات، ارائه‌های تجاری و تولید محتوای شبکه‌های اجتماعی کاربرد زیادی داشته باشد.

Wan3.0 همچنین روی ثبات شخصیت و صحنه تمرکز ویژه‌ای دارد. علی‌بابا می‌گوید مدل جدید می‌تواند چند مرجع مختلف را هم‌زمان در فرایند تولید استفاده کند و جزئیات شخصیت‌ها و محیط را در فریم‌های مختلف بهتر حفظ کند. قابلیت‌های تولید ویدیو از متن، تبدیل تصویر به ویدیو، تولید ویدیو بر اساس تصاویر مرجع و ویرایش ویدیو نیز در مجموعه امکانات این مدل قرار گرفته‌اند.

از نظر قیمت نیز Wan3.0 تلاش می‌کند رقیبی جدی برای مدل‌هایی مانند Google Veo باشد. قیمت API از حدود ۰.۰۵ دلار برای هر ثانیه ویدیوی ۴۸۰p آغاز می‌شود و برای خروجی ۷۲۰p و ۱۰۸۰p افزایش پیدا می‌کند. علی‌بابا همچنین اعلام کرده مدل از طریق Model Studio و سرویس‌های مرتبط در اختیار کاربران و توسعه‌دهندگان قرار می‌گیرد.

عرضه Wan3.0 در شرایطی اتفاق افتاده که علی‌بابا سرمایه‌گذاری سنگینی روی هوش مصنوعی انجام می‌دهد. این شرکت تنها چند روز پیش از عرضه رسمی مدل، حدود ۱۰ میلیارد دلار از طریق فروش سهام جذب کرد و اعلام کرده بخش مهمی از سرمایه به توسعه زیرساخت‌های هوش مصنوعی اختصاص خواهد یافت. درآمد بخش ابری و هوش مصنوعی علی‌بابا نیز در سه‌ماهه منتهی به ژوئن رشد قابل‌توجهی داشته است.

با عرضه Wan3.0، رقابت میان مدل‌های تولید ویدیو وارد مرحله تازه‌ای شده است؛ جایی که تنها ساخت یک کلیپ کوتاه اهمیت ندارد و مدت زمان بیشتر، حفظ شخصیت، صدا، درک فایل‌های پیچیده و امکان تبدیل اطلاعات متنی به محتوای ویدیویی به معیارهای مهم‌تری تبدیل شده‌اند. اگر عملکرد واقعی مدل مطابق ادعاهای علی‌بابا باشد، Wan3.0 می‌تواند یکی از رقبای جدی مدل‌های ویدیوساز مطرح بازار باشد.