Kitajska orodja umetne inteligence vzbujajo vse več pozornosti, in to povsem zasluženo. Tokrat je z novo rešitvijo za ustvarjanje videa prišel Alibaba, ki nam je med drugim dal tudi modele Qwen, njihova najnovejša izdaja pa je debitirala v začetku meseca.
Wan3.0 je multimodalni model za ustvarjanje in urejanje videa, ki iz velike količine vhodnih podatkov (video, slika, zvok, besedilo) zmore ustvariti dinamične video vsebine dolžine do 30 sekund. Razvijalci so model zasnovali tako, da je čim bolj primeren za vsakdanje delo, zato v duhu multimodalnega delovanja zmore obdelati tudi PDF-je, PowerPointe ali druge dokumente, nanj pa je mogoče povezati tudi spletne strani.
Wan3.0 je za zdaj na voljo le v beta različici, a to je v ostri konkurenci povsem običajno. Alibaba je najbolj ponosen na to, kako dolge posnetke zmore model ustvariti naenkrat, pri prejšnjem modelu Wan2.7-Video je bila zgornja meja še 15 sekund. Uporabniki lahko že pripravljajo skrbno načrtovane prizore s kompleksnimi premiki kamere, s čimer se lahko delo bistveno pospeši. Wan3.0 lahko kratke oglase zdaj ustvari tudi v enem kosu.
Razvijalci od zdaj zagotavljajo tudi inteligentno določanje dolžine videa, kar pomeni, da sistem na podlagi poziva in vnesenih informacij prepozna, koliko časa lahko traja prizor. Ne bo “halucinirala” dodatnih vsebin, samo da bi dosegla želeno dolžino. Vzporedno je na voljo tudi funkcija razširitve, s katero je mogoče poskrbeti, da nastanejo dovolj dolgi in resnično vsebinski videi.
Tako kot pri vseh gradivih, ki jih ustvari umetna inteligenca, tudi pri videih pogosto pride do vizualnih netočnosti in popačenj, za njihovo odpravo pa Wan3.0 zagotavlja visoko natančno vizualno kontinuiteto. Model zmore ustvariti izjemno realistične človeške obraze, jih posnemati s sinhroniziranimi obraznimi gibi. Zmore ustvariti naraven večjezični zvok in celo stabilno prikazati programske uporabniške vmesnike in gibljivo grafiko znotraj videov.
Referenčna gradiva bo model lahko reproduciral z vsemi finimi podrobnostmi, pri tem pa dosledno upošteval ključne točke, prostorske odnose in doslednost zvokov. Zaradi tega bo res dober za ustvarjanje produktnih oglasov in reklamnih gradiv.
Po besedah Alibabe bodo z modelom Wan3.0 tudi filmski ustvarjalci in ustvarjalci vsebin dobili resno orodje, ki lahko skrajša njihovo delo in omogoči ustvarjanje bolj zanimivih gradiv. Model je lahko dober tudi v izobraževanju, saj je z njim mogoče ustvarjati vizualna učna gradiva za otroke. Še več, menijo, da je ta tehnologija morda že primerna za ustvarjanje realističnih videov in simulacij, ki jih je mogoče uporabiti na primer za urjenje samovozečih avtomobilov. Tako lahko proizvajalci avtomobilov in dobavitelji sistemu preprosto prikažejo na primer nesreče.
Dostop do API-ja Wan3.0 bo kmalu na voljo, vendar bo treba nanj še malo počakati. Novi model za ustvarjanje in urejanje videa na osnovi umetne inteligence bo pri ločljivosti 480p mogoče uporabljati že za zgolj 0,05 dolarja na sekundo, z višjo ločljivostjo pa se tarifa podvoji. Temu primerno je mogoče videe 720p HD ustvariti po ceni 0,1 dolarja na sekundo, za izdelavo gradiv Full HD pa model ponuja možnost z obračunom 0,2 dolarja na sekundo.
