Általánosan elérhető az Alibaba Cloud 30 másodperces videómodellje
Az Alibaba Cloud általánosan elérhetővé tette a Wan3.0 generatív videómodellt, amely egyetlen generálással akár 30 másodperces videót készít. A rendszer szöveg, kép, hang és videó mellett dokumentumokat és weboldalakat is referenciaként használhat.
- A Wan3.0 egy generálással legfeljebb 30 másodperces videót készít.
- Szöveget, képet, hangot, videót, dokumentumokat és weboldalakat is referenciaként használ.
- A standard API díja felbontástól függően másodpercenként 0,05 és 0,20 dollár között van.
- A modell a szereplők, kellékek, terek és stílus következetességét célozza.
- A Wan2.7-ből átvett videószerkesztés lehetővé teszi a képi világ, a cselekmény és a párbeszéd módosítását.
Felhasználásalapú árazással érkezik
Az Alibaba Cloud augusztus 24-én jelentette be a Wan3.0 általános elérhetőségét nemzetközi csatornáin. A modell az Alibaba Cloud Model Studión és a támogatott nemzetközi csatornákon érhető el. A vállalat időben korlátozott indulási ajánlatot is említ, ennek részleteit azonban a közlemény nem ismerteti.
A standard API díjazása felbontásalapú, és minden legenerált másodperc után kell fizetni. A 480p felbontás ára 0,05 dollár, a 720p-é 0,10 dollár, a 1080p-é pedig 0,20 dollár másodpercenként. Az Alibaba Cloud számítása szerint egy 30 másodperces, 480p felbontású vázlat körülbelül 1,50 dollárba kerül, míg egy 30 másodperces, 1080p felbontású végleges változat ára körülbelül 6 dollár a promóciós kedvezmény előtt.
Hosszabb videó és többféle bemenet
A Wan3.0 egyik fő újdonsága, hogy egy generálás legfeljebb 30 másodpercnyi videót készíthet. A korábbi Wan2.7 esetében ez az időablak 2 és 15 másodperc között volt. Az új kiadás intelligens időtartam-ajánlást és videóhosszabbítást is tartalmaz.
Az Alibaba Cloud négy kiemelt területet kapcsol a modellhez: a natív 30 másodperces videógenerálást, az omni-reference, vagyis többféle referencia együttes használatát, a valósághű renderelést és a dinamikus mozgást. A Wan3.0 szöveget, képet, hangot és videót fogad be, továbbá DOC, XLS, PPT, PDF, TXT, KEY, Pages, Numbers és Markdown fájlokat, valamint weboldalakat is használhat referenciaként. Ezek alkalmazására a bemeneti korlátok vonatkoznak.
Ez lehetővé teszi például, hogy egy termékbemutatóból bemutatófilm, egy oktatási prezentációból videós tananyag, táblázatos adatokból animált grafikon, egy üzleti jelentésből pedig narrált tájékoztató készüljön. A felhasználónak így kevesebb információt kell újra szöveges promptként megfogalmaznia.
A következetesség és a szerkesztés került előtérbe
A modell a vállalat szerint a szereplők, kellékek, terek és vizuális stílus következetesebb megjelenítését célozza. A kiadás külön kezeli a szereplők identitását, a hangot és a szájszinkront. Az Alibaba Cloud példái között szerepel egy macska és egy farkas koherens megjelenése gyors akciójelenetben, valamint egy többnyelvű előadás, amelyben a szereplők identitása, színpadi helyzete, kameratengelye, hangja, szájszinkronja és ritmusa összhangban marad.
A vállalat ugyanakkor jelzi, hogy a hangzás részletessége és a képernyőn megjelenő szövegek pontossága még fejlődik. A Wan2.7-ben bevezetett videószerkesztés továbbra is része a rendszernek, így a felhasználók a képi világot, a cselekményt és a párbeszédet is módosíthatják anélkül, hogy a teljes koncepciót elölről kellene generálniuk.
Az Alibaba Cloud a kipróbáláshoz olyan feladatokat javasol, amelyekben több referencia, 20 és 30 másodperc közötti folytonosság vagy utólagos módosítás szükséges. Ide tartozik egy több jelenetből álló történet, egy szereplő- és kellékkövetkezetességet igénylő referenciaalapú videó, egy dokumentumból készített videókoncepció, egy alacsonyabb felbontású vázlatból nagyobb felbontású végleges változat, valamint egy meglévő generálás célzott szerkesztése.
