Alibaba Meluncurkan Wan3.0: Definisi Baru Generasi Video AI Multimodal

Alibaba telah resmi memasuki fase beta Wan3.0, sebuah model generasi video baru yang kuat dan mampu menghasilkan klip berkualitas tinggi dengan durasi hingga 30 detik. Dengan memperluas kemampuan input untuk mencakup dokumen dan perintah (prompt) multimodal yang kompleks, Wan3.0 memposisikan dirinya sebagai alat serbaguna bagi para kreator, pemasar, hingga insinyur robotika.

Melipatgandakan Durasi dan Memperluas Input Multimodal

Wan3.0 menandai lompatan signifikan dibandingkan pendahulunya, Wan2.5, dengan melipatgandakan durasi video maksimum menjadi 30 detik. Hal yang benar-benar membedakan model ini adalah mesin pemrosesan multimodal yang canggih. Berbeda dengan alat text-to-video tradisional, Wan3.0 dapat memproses teks, gambar, video, dan audio secara bersamaan.

Model ini mendukung pemberian perintah (prompting) yang sangat kompleks, memungkinkan pengguna untuk menyertakan hingga sepuluh gambar, lima video, dan lima klip audio dalam satu permintaan. Yang mungkin paling mengesankan, Wan3.0 dapat menyerap media non-tradisional seperti PDF, halaman web, dan presentasi PowerPoint, yang secara efektif mengubah dokumen profesional statis menjadi konten video yang dinamis. Sistem ini bahkan menyertakan fitur cerdas yang merekomendasikan durasi video optimal berdasarkan perintah spesifik pengguna.

Mengatasi Tantangan Visual Drift

Salah satu hambatan yang paling persisten dalam generasi video AI adalah "visual drift"—kecenderungan karakter, fitur wajah, dan tata letak spasial untuk terdistorsi atau berubah secara tidak alami seiring berjalannya waktu. Alibaba telah merancang Wan3.0 secara khusus untuk memerangi inkonsistensi tersebut.

Dengan memprioritaskan pelestarian detail dari materi referensi, model ini mempertahankan fidelitas yang jauh lebih tinggi untuk karakter, properti, dan antarmuka pengguna yang kompleks. Fokus pada konsistensi temporal ini membuat model tersebut jauh lebih layak untuk alur kerja profesional di mana identitas merek dan kontinuitas karakter tidak dapat ditawar.

Harga yang Skalabel dan Aplikasi Industri

Wan3.0 dapat diakses melalui situs web wan.video, Alibaba Cloud Model Studio, atau melalui API di Qwen Cloud. Alibaba menawarkan dua tingkatan berbeda: versi Standard (saat ini diskon 30%) dan versi Prime berkecepatan tinggi. Harga berskala sesuai resolusi, mulai dari $1,50 untuk klip 480p berdurasi 30 detik pada tingkatan Standard hingga $8,40 untuk klip 1080p pada tingkatan Prime.

Strategi penyebarannya menargetkan tiga sektor berbeda:

  • Hiburan: Mempercepat produksi film dan menghasilkan drama pendek atau klip media sosial.
  • Perusahaan: Mengonversi salinan pemasaran (marketing copy) dan panduan pelatihan menjadi aset video yang menarik.
  • Deep Tech: Menyediakan rekaman simulasi realistis untuk melatih kendaraan otonom dan sistem robotika.

Peluncuran ini menyusul suntikan modal besar oleh Alibaba, yang baru-baru ini melakukan penjualan saham besar-besaran untuk mendanai ekspansi AI yang agresif, meskipun biaya investasi yang tinggi berdampak pada laba kuartalan.

Poin-Poin Penting

  • Multimodalitas yang Ditingkatkan: Wan3.0 dapat mengubah PDF, PowerPoint, dan halaman web menjadi video, mendukung perintah kompleks dengan hingga 20 aset media gabungan.
  • Konsistensi yang Ditingkatkan: Model ini secara khusus mengatasi visual drift, memastikan stabilitas yang lebih baik untuk karakter, properti, dan lingkungan selama durasi 30 detik.
  • Kegunaan yang Luas: Dirancang untuk spektrum pengguna yang luas, mulai dari kreator konten yang membutuhkan klip media sosial hingga insinyur yang memerlukan data simulasi untuk pelatihan robotika.