Kineski alati umjetne inteligencije dobivaju sve više pozornosti, i to nipošto nezasluženo. Ovaj je put s novim rješenjem za generiranje videa izašao Alibaba, kojem između ostalog zahvaljujemo i modele Qwen, čije je najnovije izdanje debitiralo početkom mjeseca.
Wan3.0 je multimodalni model za generiranje i uređivanje videa, koji iz velike količine ulaznih podataka (video, slika, zvuk, tekst) može stvoriti dinamične video sadržaje duljine do 30 sekundi. Razvojni tim model je izradio tako da bude što prikladniji za svakodnevni rad, pa u duhu multimodalnog rada može obraditi i PDF, PowerPoint ili druge dokumente, a za njega se mogu povezati i web stranice.
Wan3.0 zasad je dostupan samo u beta verziji, no to je posve uobičajeno u oštroj konkurenciji. Alibaba je najponosniji na to koliko dugačke materijale model može odjednom stvoriti; kod prethodnog modela Wan2.7-Video gornja granica bila je 15 sekundi. Korisnici već mogu izrađivati složene scene sa složenim pokretima kamere i detaljno osmišljene prizore, čime se rad može znatno ubrzati. Wan3.0 može odjednom stvoriti čak i kratke reklame.
Razvojni tim od sada osigurava i inteligentno određivanje duljine videa, što znači da sustav na temelju prompta i unesenih informacija može prepoznati koliko scena može trajati. Neće „halucinirati” više sadržaja samo da bi se postigla željena duljina. Usporedno je dostupna i funkcija proširenja, pa se može osigurati da nastanu dovoljno dugi i doista sadržajni videi.
Kao u svakom materijalu koji generira umjetna inteligencija, tako se i u videima često javljaju vizualne netočnosti i izobličenja; da bi ih se uklonilo, Wan3.0 osigurava vizualni kontinuitet visoke preciznosti. Model može stvoriti iznimno realistična ljudska lica i kopirati ih sa sinkroniziranim pokretima lica. Može stvoriti prirodan višejezični zvuk, a sposoban je čak i stabilno prikazati softverska korisnička sučelja i animiranu grafiku unutar videa.
Referentne materijale model će moći vraćati zajedno s finim detaljima, strogo poštujući ključne točke, prostorne odnose i dosljednost zvukova. Zahvaljujući tome bit će doista dobar za izradu oglasnih i reklamnih materijala vezanih uz proizvode.
Prema Alibabi, filmski stvaratelji i kreatori sadržaja zahvaljujući Wanu3.0 dobivaju ozbiljan alat u ruke, koji može skratiti njihov rad i omogućiti stvaranje uzbudljivijih materijala. Model bi mogao biti dobar i u obrazovanju, jer se s njim djeci mogu izraditi vizualni nastavni materijali. Štoviše, smatraju da bi ta tehnologija već mogla biti prikladna i za stvaranje realističnih videa i simulacija koje se mogu iskoristiti, primjerice, za treniranje autonomnih automobila. Tako proizvođači automobila i dobavljači sustavu mogu jednostavno prikazivati, primjerice, nesreće.
Pristup API-ju Wana3.0 uskoro će biti osiguran, ali na to se još treba malo pričekati. Novi AI model za generiranje i uređivanje videa moći će se upotrebljavati već po cijeni od samo 0,05 dolara po sekundi pri razlučivosti 480p, a kako razlučivost raste, tarifa se povećava na dvostruko. Sukladno tome, videi 720p HD mogu se s njim proizvoditi po cijeni od 0,1 dolara po sekundi, a za izradu Full HD materijala omogućuje obračun od 0,2 dolara po sekundi.
