Alibaba تطلق Wan3.0: إعادة تعريف توليد الفيديو بالذكاء الاصطناعي متعدد الوسائط

دخلت شركة Alibaba رسميًا مرحلة الإصدار التجريبي (beta) لنموذج Wan3.0، وهو نموذج جديد وقوي لتوليد الفيديو قادر على إنتاج مقاطع عالية الجودة تصل مدتها إلى 30 ثانية. ومن خلال توسيع قدرات الإدخال لتشمل المستندات والمطالبات (prompts) المعقدة متعددة الوسائط، يضع Wan3.0 نفسه كأداة متعددة الاستخدامات للمبدعين والمسوقين ومهندسي الروبوتات على حد سواء.

مضاعفة المدة وتوسيع المدخلات متعددة الوسائط

يمثل Wan3.0 قفزة نوعية مقارنة بسلفه Wan2.5، حيث ضاعف الحد الأقصى لمدة الفيديو إلى 30 ثانية. وما يميز هذا النموذج حقًا هو محرك المعالجة المتطور متعدد الوسائط؛ فخلافًا لأدوات تحويل النص إلى فيديو التقليدية، يمكن لـ Wan3.0 معالجة النصوص والصور والفيديو والصوت في وقت واحد.

يدعم النموذج مطالبات (prompting) شديدة التعقيد، مما يسمح للمستخدمين بتضمين ما يصل إلى عشر صور، وخمس مقاطع فيديو، وخمس مقاطع صوتية في طلب واحد. ولعل الأمر الأكثر إثارة للإعجاب هو قدرة Wan3.0 على استيعاب وسائط غير تقليدية مثل ملفات PDF وصفحات الويب وعروض PowerPoint التقديمية، مما يحول المستندات المهنية الثابتة بفعالية إلى محتوى فيديو ديناميكي. كما يتضمن النظام ميزة ذكية توصي بطول الفيديو الأمثل بناءً على مطالبة المستخدم المحددة.

حل تحدي الانحراف البصري (Visual Drift)

تعد مشكلة "الانحراف البصري" (visual drift) واحدة من أكثر العقبات استمرارًا في توليد الفيديو بالذكاء الاصطناعي، وهي ميل الشخصيات والملامح الوجهية والتخطيطات المكانية إلى التشوه أو التغير بشكل غير طبيعي بمرور الوقت. وقد صممت Alibaba نموذج Wan3.0 خصيصًا لمكافحة هذه التناقضات.

ومن خلال إعطاء الأولوية للحفاظ على التفاصيل من المواد المرجعية، يحافظ النموذج على دقة أعلى بكثير للشخصيات والأدوات وواجهات المستخدم المعقدة. وهذا التركيز على الاتساق الزمني يجعل النموذج أكثر قابلية للتطبيق في سير العمل المهني حيث تكون هوية العلامة التجارية واستمرارية الشخصية أمورًا لا تقبل المساومة.

تسعير قابل للتوسع وتطبيقات صناعية

يمكن الوصول إلى Wan3.0 عبر موقع wan.video، أو Alibaba Cloud Model Studio، أو من خلال API على Qwen Cloud. تقدم Alibaba فئتين متميزتين: نسخة Standard (بخصم 30% حاليًا) ونسخة Prime عالية السرعة. يتدرج التسعير حسب الدقة، بدءًا من 1.50 دولار لمقطع مدته 30 ثانية بدقة 480p في الفئة Standard، وصولاً إلى 8.40 دولار لمقطع بدقة 1080p في فئة Prime.

تستهدف استراتيجية النشر ثلاثة قطاعات متميزة:

  • الترفيه: تسريع إنتاج الأفلام وتوليد الدراما القصيرة أو مقاطع وسائل التواصل الاجتماعي.
  • المؤسسات: تحويل النصوص التسويقية وأدلة التدريب إلى أصول فيديو جذابة.
  • التكنولوجيا العميقة (Deep Tech): توفير لقطات محاكاة واقعية لتدريب المركبات ذاتية القيادة وأنظمة الروبوتات.

يأتي هذا الإطلاق في أعقاب ضخ رأس مال ضخم من قبل Alibaba، والتي نفذت مؤخرًا عملية بيع أسهم كبرى لتمويل توسعها القوي في مجال الذكاء الاصطناعي، حتى مع تأثير تكاليف الاستثمار المرتفعة على الأرباح الفصلية.

النقاط الرئيسية

  • تعزيز تعدد الوسائط: يمكن لـ Wan3.0 تحويل ملفات PDF وعروض PowerPoint وصفحات الويب إلى فيديو، مع دعم مطالبات معقدة تضم ما يصل إلى 20 عنصرًا وسائطيًا مدمجًا.
  • تحسين الاتساق: يعالج النموذج تحديدًا مشكلة الانحراف البصري، مما يضمن استقرارًا أفضل للشخصيات والأدوات والبيئات عبر مدة تصل إلى 30 ثانية.
  • منفعة واسعة: مصمم لمجموعة واسعة من المستخدمين، من صناع المحتوى الذين يحتاجون إلى مقاطع لوسائل التواصل الاجتماعي إلى المهندسين الذين يتطلبون بيانات محاكاة لتدريب الروبوتات.