Alibaba сделала доступной модель искусственного интеллекта Wan3.0 для генерации видео. Она способна создавать ролики продолжительностью до 30 секунд в разрешении 1080p на основе различных входных данных, включая текст, изображения, аудио и видео, а также PDF-файлы, презентации, веб-страницы и электронные таблицы.
Модель была доступна в тестовом режиме с начала августа через платформы Model Studio и Qwen Cloud, принадлежащие Alibaba Cloud, прежде чем официально стать доступной более широкому кругу пользователей. Wan3.0 позиционируется как новейший представитель семейства Alibaba для генерации видео.
Что меняется на практике?
Wan3.0 увеличивает максимальную продолжительность видео, создаваемого за одну операцию, до 30 секунд по сравнению с 15 секундами у предыдущей модели Wan2.7. По данным Alibaba, в более длинных роликах модель лучше сохраняет согласованность внешнего вида персонажей и объектов, расположения элементов в сцене и анимации.
Компания также указывает на поддержку движений, синхронизированных с выражением лица, и многоязычного аудиовыхода. Входные данные не ограничиваются текстовыми запросами или изображениями: содержимое презентации или PDF-документа можно преобразовать в видеоматериал, что расширяет потенциальное применение модели в корпоративных коммуникациях, маркетинге и создании контента для социальных сетей.
Применение и стоимость
К целевым вариантам использования Alibaba относит маркетинговые и корпоративные коммуникационные ролики, короткие видео, контент для социальных сетей и короткие драматические произведения. Компания также упоминает возможность применения модели в учебных симуляциях для автономных транспортных средств и роботизированных систем, не приводя в материале дополнительных технических подробностей об этих приложениях.
Стоимость зависит от разрешения и составляет 0,05 доллара за секунду при 480p, 0,10 доллара при 720p и 0,20 доллара при 1080p. Таким образом, создание одной минуты видео в разрешении 1080p обойдётся примерно в 12 долларов. Для сравнения, приведённого в источнике, цена модели Veo 3.1 от Google в стандартном тарифе составляет 0,40 доллара за секунду.
Доступность и открытость
Wan3.0 знаменует собой отход от подхода, применявшегося к предыдущим моделям Wan: в настоящее время Alibaba сохраняет веса модели закрытыми. Доступ постепенно расширяется через Model Studio и Qwen Cloud, при этом компания планирует поэтапно представить API. Кроме того, Alibaba планирует запустить потребительскую подписочную платформу на базе wan.video.
Почему этот запуск важен?
Значение Wan3.0 заключается не только в удвоении продолжительности видео, но и в сочетании генерации видео из различных корпоративных источников, таких как презентации и документы, с относительно более длинными результатами в разрешении до 1080p. Это может быть важно для маркетинговых и коммуникационных команд, которые работают с готовыми материалами и хотят преобразовывать их в видео, однако практическая ценность этих возможностей будет зависеть от качества преобразования и согласованности результатов — аспектов, для которых источник не приводит независимых измерений.
Запуск состоялся после объявления Alibaba о продаже акций в Гонконге примерно на 10,2 миллиарда долларов для финансирования инвестиций в искусственный интеллект. Компания заявила, что направит все средства, вырученные от выпуска 710 миллионов новых акций, на чипы, инфраструктуру искусственного интеллекта и разработку моделей. В последнем квартале годовая чистая прибыль снизилась на 75%, тогда как капитальные расходы выросли на 75%, до 67,68 миллиарда юаней. В то же время выручка от облачных сервисов и искусственного интеллекта в июньском квартале выросла на 45%, до 48,44 миллиарда юаней. В начале 2025 года Alibaba объявила о намерении инвестировать 380 миллиардов юаней в инфраструктуру искусственного интеллекта в течение трёх лет.