علی‌بابا از مدل تولید ویدیوی Wan3.0 رونمایی کرد

شرکت علی‌بابا مدل هوش مصنوعی Wan3.0 را برای تولید ویدیوهای حداکثر ۳۰ ثانیه‌ای با وضوح 1080p معرفی کرد.

به گزارش سرویس هوش مصنوعی تک‌ناک، این مدل علاوه بر متن، تصویر، صدا و ویدیو می‌تواند فایل‌های PDF، پاورپوینت و صفحات وب را دریافت و محتوای آنها را به ویدیو تبدیل کند.

معرفی Wan3.0 تنها چند روز پس از آن انجام شد که علی‌بابا از طریق عرضه سهام در هنگ‌کنگ حدود ۱۰.۲ میلیارد دلار سرمایه جذب کرد. این شرکت قصد دارد تمام منابع حاصل از این عرضه سهام را به توسعه هوش مصنوعی اختصاص دهد. علی‌بابا طی هفته‌های اخیر نیز تلاش کرده است به سرمایه‌گذاران نشان دهد که هزینه‌های گسترده این شرکت در حوزه هوش مصنوعی به محصولات قابل استفاده تبدیل می‌شوند.

مدل Wan3.0 از اوایل ماه اوت به‌ صورت بتای عمومی از طریق Model Studio در Alibaba Cloud و پلتفرم Qwen Cloud در دسترس بود. بنابراین، معرفی رسمی این مدل بیشتر به معنای گسترش دسترسی به آن است. همچنین این محصول در شرایطی عرضه می‌شود که شرکت‌ها و آزمایشگاه‌های چینی، جایگاه قدرتمندی در بازار مدل‌های تولید ویدیو به دست آورده‌اند.

مدل Wan3.0 علی‌بابا می‌تواند در یک مرحله ویدیوهایی با مدت حداکثر ۳۰ ثانیه تولید کند. نسل قبلی این مدل، Wan2.7، تنها امکان تولید ویدیوهایی با حداکثر مدت ۱۵ ثانیه را داشت. وضوح خروجی مدل جدید نیز می‌تواند به 1080p برسد.

شرکت علی‌بابا ادعا کرده است که Wan3.0 در طول تولید ویدیو می‌تواند جزئیات شخصیت‌ها، اشیای موجود در صحنه، چیدمان فضایی و موشن‌گرافیک را هماهنگ نگه دارد. همچنین این مدل می‌تواند ریزحالت‌های چهره را به‌ صورت هماهنگ تولید نماید و از خروجی صوتی چندزبانه پشتیبانی می‌کند.

بیشتر بخوانید: مدل هوش مصنوعی جدید Hy4 تنسنت وارد مرحله آموزش شد

تبدیل اسناد و فایل‌های PDF به ویدیو

یکی از مهم‌ترین قابلیت‌های Wan3.0 به ورودی‌های متنوع آن مربوط می‌شود. کاربران علاوه بر متن، تصویر، صدا و ویدیو می‌توانند صفحات وب و اسناد مختلف را نیز در اختیار این مدل قرار دهند. فایل‌های PDF و PowerPoint نیز در میان فرمت‌های پشتیبانی‌شده قرار دارند.

برای نمونه، کاربر می‌تواند مجموعه‌ای از اسلایدها یا یک صفحه گسترده را به مدل بدهد و در مقابل ویدیویی دریافت کند که ساختار اطلاعات موجود در فایل اصلی را منعکس می‌کند. این قابلیت می‌تواند محتوای ثابت و متکی بر متن را به محتوای ویدیویی پویا تبدیل کند.

چنین قابلیتی نشان می‌دهد که علی‌بابا مدل Wan3.0 را تا حد زیادی برای بخش‌های بازاریابی و تیم‌های ارتباطات سازمانی توسعه داده است. هرچند، این شرکت تولید ویدیوهای کوتاه داستانی و محتوای شبکه‌های اجتماعی را نیز از کاربردهای مدل جدید خود معرفی کرده است.

آموزش مبتنی بر شبیه‌سازی برای خودروهای خودران و رباتیک نیز در فهرست کاربردهای Wan3.0 قرار دارد. در نتیجه، علی‌بابا تلاش کرده است قابلیت‌های تولید محتوای خلاقانه را با کاربردهای تجاری و سازمانی ترکیب کند.

قیمت نیز یکی از بخش‌های مهم راهبرد علی‌بابا برای رقابت در بازار تولید ویدیو با هوش مصنوعی است. استفاده از Wan3.0 برای تولید ویدیوی 480p به‌ازای هر ثانیه ۰.۰۵ دلار هزینه دارد. این رقم برای وضوح 720p به ۰.۱۰ دلار و برای 1080p به ۰.۲۰ دلار در هر ثانیه می‌رسد.

بر این اساس، تولید یک دقیقه ویدیوی 1080p با Wan3.0 حدود ۱۲ دلار هزینه خواهد داشت. سطح استاندارد مدل Veo 3.1 گوگل در مقایسه با آن، به‌ازای هر ثانیه ۰.۴۰ دلار هزینه دارد.

با وجود این، قیمت Wan3.0 از تمام رقبا کمتر نیست. چند مدل رقیب که در رتبه‌بندی‌های مستقل جایگاه بالاتری از نسل قبلی مدل علی‌بابا دارند، ویدیوی 1080p را با هزینه کمتری تولید می‌کنند. یک استارت‌آپ هندی نیز به تازگی مدل تولید ویدیویی با هزینه نیم سنت در هر ثانیه عرضه کرده است.

مدل Wan3.0 هنوز در بنچمارک‌های مستقل ارزیابی نشده است. در نتیجه، ادعاهای فعلی درباره کیفیت و ثبات خروجی این مدل بر اطلاعات ارائه‌شده از سوی علی‌بابا متکی هستند و هنوز مقایسه مستقلی از عملکرد آن با رقبا وجود ندارد.

تغییر رویکرد علی‌بابا در عرضه مدل Wan3.0

در حال حاضر دسترسی به Wan3.0 به‌ صورت مرحله‌ای انجام می‌شود. نسخه بتای این مدل از طریق Model Studio و Qwen Cloud و بر اساس درخواست کاربران ارائه می‌شود. دسترسی کامل به API نیز به‌تدریج در حال گسترش است. همچنین علی‌بابا قصد دارد پلتفرم ویژه کاربران عادی Wan را به‌ صورت مخصوص اعضا ارائه کند.

یکی از تفاوت‌های مهم Wan3.0 با برخی نسل‌های قبلی، بسته بودن وزن‌های مدل است. علی‌بابا پیش‌تر بخش مهمی از اعتبار خود را در حوزه هوش مصنوعی مولد با انتشار باز مدل‌های خانواده Wan به دست آورده بود. Wan2.2 که در ژوئیه ۲۰۲۵ عرضه شد، آخرین مدل پرچم‌دار تولید ویدیوی این شرکت بود که با چنین رویکردی منتشر شد.

این تغییر در شرایطی رخ داده که علی‌بابا دریافت هزینه از کاربران بسیار پرمصرف مدل‌های متن‌باز Qwen را نیز آغاز کرده است و نشانه‌هایی از تمرکز بیشتر این شرکت بر تجاری‌سازی مدل‌های هوش مصنوعی دیده می‌شود.

آخرین گزارش مالی علی‌بابا نیز اهمیت این حوزه را برای کسب‌وکار شرکت نشان می‌دهد. درآمد بخش ابری و هوش مصنوعی علی‌بابا در سه‌ماهه منتهی به ژوئن با رشد ۴۵ درصدی به ۴۸.۴۴ میلیارد یوان رسید. خدمات مدل‌های هوش مصنوعی نیز اکنون بیش از ۱۶ میلیارد یوان درآمد تکرارشونده سالانه ایجاد می‌کنند.

این رشد، هزینه قابل‌ توجهی نیز برای علی‌بابا داشته است. سود خالص سه‌ماهه شرکت ۷۵ درصد کاهش یافت و هم‌زمان مخارج سرمایه‌ای با رشد ۷۵ درصدی به ۶۷.۶۸ میلیارد یوان رسید.

علی‌بابا در اوایل سال ۲۰۲۵ اعلام کرد که طی سه سال، ۳۸۰ میلیارد یوان در زیرساخت هوش مصنوعی سرمایه‌گذاری خواهد کرد. گزارش‌ها نشان می‌دهند که این شرکت افزایش این سرمایه‌گذاری را به ۴۸۰ میلیارد یوان نیز بررسی می‌کند.

با وجود این، هنوز برای ارزیابی موفقیت مدل Wan3.0 علی‌بابا زود است. مدل‌های تولید ویدیو هزینه پردازشی بالایی دارند و قیمت می‌تواند نقش مهمی در انتخاب کاربران داشته باشد. از سوی دیگر، Wan3.0 هنوز وارد رتبه‌بندی‌های مستقل نشده است و عملکرد واقعی آن در برابر مدل‌های رقیب پس از انتشار نتایج ارزیابی‌های مستقل مشخص خواهد شد.

بیشتر بخوانید: متا با Pocket به‌عرصه کدنویسی مبتنی‌بر هوش مصنوعی وارد شد

نوشته علی‌بابا از مدل تولید ویدیوی Wan3.0 رونمایی کرد اولین بار در Technoc. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.