Alibaba hat das KI-Modell Wan3.0 zur Videogenerierung verfügbar gemacht. Es kann aus verschiedenen Eingaben, darunter Texte, Bilder, Audio und Videos sowie PDF-Dateien, Präsentationen, Webseiten und Tabellenkalkulationen, bis zu 30 Sekunden lange Clips in 1080p erstellen.
Das Modell war seit Anfang August testweise über die zu Alibaba Cloud gehörenden Plattformen Model Studio und Qwen Cloud verfügbar, bevor es offiziell einer breiteren Nutzergruppe zugänglich gemacht wurde. Wan3.0 wird als neuestes Mitglied der Videogenerierungsfamilie von Alibaba präsentiert.
Was ändert sich praktisch?
Wan3.0 erhöht die maximale Videolänge bei einer einzigen Generierung auf 30 Sekunden, verglichen mit 15 Sekunden beim vorherigen Modell Wan2.7. Laut Alibaba bewahrt das Modell in längeren Clips eine größere Konsistenz beim Erscheinungsbild von Figuren und Objekten, bei der Anordnung der Elemente in der Szene und bei Animationen.
Das Unternehmen verweist außerdem auf Bewegungen, die mit Gesichtsausdrücken synchronisiert sind, sowie auf mehrsprachige Audioausgabe. Die Eingaben beschränken sich nicht auf Textanweisungen oder Bilder: Auch der Inhalt einer Präsentation oder eines PDF-Dokuments kann in Videomaterial umgewandelt werden. Dadurch erweitert sich der mögliche Einsatz des Modells in der Unternehmenskommunikation, im Marketing und bei der Erstellung von Inhalten für soziale Netzwerke.
Einsatzmöglichkeiten und Kosten
Zu den angestrebten Einsatzbereichen zählt Alibaba Marketing- und Unternehmenskommunikationsclips, Kurzvideos, Inhalte für soziale Medien und kurze Dramen. Das Unternehmen nennt außerdem mögliche Anwendungen für Trainingssimulationen autonomer Fahrzeuge und robotischer Systeme, ohne in dem Material zusätzliche technische Details zu diesen Anwendungen zu nennen.
Die Kosten unterscheiden sich je nach Auflösung und betragen 0,05 US-Dollar pro Sekunde bei 480p, 0,10 US-Dollar bei 720p und 0,20 US-Dollar bei 1080p. Damit belaufen sich die Kosten für die Erstellung einer einminütigen Aufnahme in 1080p auf etwa 12 US-Dollar. Zum Vergleich aus der Quelle: Das Modell Veo 3.1 von Google kostet in der Standardstufe 0,40 US-Dollar pro Sekunde.
Verfügbarkeit und Offenheit
Wan3.0 stellt eine Abkehr vom Ansatz der früheren Wan-Modelle dar, da Alibaba die Modellgewichte derzeit geschlossen hält. Die Verfügbarkeit wird schrittweise über Model Studio und Qwen Cloud ausgeweitet; zudem ist geplant, die Programmierschnittstelle stufenweise bereitzustellen. Das Unternehmen plant außerdem eine abonnementbasierte Verbraucherplattform über wan.video.
Warum ist diese Markteinführung wichtig?
Die Bedeutung von Wan3.0 liegt nicht nur in der Verdoppelung der Videolänge, sondern auch in der Verbindung von Videogenerierung aus verschiedenen Unternehmensquellen, etwa Präsentationen und Dokumenten, mit vergleichsweise längeren Ausgaben und einer Auflösung von bis zu 1080p. Das könnte für Marketing- und Kommunikationsteams relevant sein, die mit fertigen Materialien arbeiten und diese in Videos umwandeln müssen. Der praktische Wert dieser Funktionen wird jedoch von der Qualität der Umwandlung und der Konsistenz der Ergebnisse abhängen, zu denen die Quelle keine unabhängigen Messwerte liefert.
Die Markteinführung erfolgt nach der Ankündigung von Alibaba, Aktien im Wert von rund 10,2 Milliarden US-Dollar in Hongkong zu verkaufen, um Investitionen in künstliche Intelligenz zu finanzieren. Das Unternehmen erklärte, es werde den gesamten Erlös aus der Ausgabe von 710 Millionen neuen Aktien für Chips, KI-Infrastruktur und die Entwicklung von Modellen verwenden. Im letzten Quartal sank der Jahresüberschuss um 75 %, während die Investitionsausgaben um 75 % auf 67,68 Milliarden Yuan stiegen. Demgegenüber wuchsen die Umsätze aus Cloud und künstlicher Intelligenz im Juni-Quartal um 45 % auf 48,44 Milliarden Yuan. Anfang 2025 hatte Alibaba angekündigt, innerhalb von drei Jahren 380 Milliarden Yuan in die KI-Infrastruktur investieren zu wollen.