Alibaba Ra mắt Wan3.0: Định nghĩa lại việc Tạo video AI Đa phương thức

Alibaba đã chính thức bước vào giai đoạn thử nghiệm (beta) của Wan3.0, một mô hình tạo video mới đầy mạnh mẽ có khả năng sản xuất các đoạn clip chất lượng cao với độ dài lên đến 30 giây. Bằng cách mở rộng khả năng đầu vào bao gồm cả tài liệu và các câu lệnh (prompt) đa phương thức phức tạp, Wan3.0 định vị mình là một công cụ linh hoạt cho cả những nhà sáng tạo, chuyên gia marketing và các kỹ sư robot.

Gấp đôi thời lượng và Mở rộng đầu vào Đa phương thức

Wan3.0 đánh dấu một bước tiến đáng kể so với phiên bản tiền nhiệm Wan2.5, bằng cách gấp đôi thời lượng video tối đa lên 30 giây. Điều thực sự làm nên sự khác biệt của mô hình này chính là công cụ xử lý đa phương thức tinh vi. Không giống như các công cụ chuyển văn bản thành video truyền thống, Wan3.0 có thể xử lý đồng thời văn bản, hình ảnh, video và âm thanh.

Mô hình này hỗ trợ các câu lệnh cực kỳ phức tạp, cho phép người dùng đưa vào tối đa mười hình ảnh, năm video và năm đoạn âm thanh trong một yêu cầu duy nhất. Có lẽ ấn tượng nhất là Wan3.0 có thể tiếp nhận các loại phương tiện phi truyền thống như tệp PDF, trang web và các bài thuyết trình PowerPoint, giúp chuyển đổi hiệu quả các tài liệu chuyên môn tĩnh thành nội dung video động. Hệ thống thậm chí còn bao gồm một tính năng thông minh giúp đề xuất độ dài video tối ưu dựa trên câu lệnh cụ thể của người dùng.

Giải quyết Thách thức về Sự sai lệch Hình ảnh (Visual Drift)

Một trong những rào cản dai dẳng nhất trong việc tạo video bằng AI là "visual drift" (sai lệch hình ảnh) — xu hướng các nhân vật, đặc điểm khuôn mặt và bố cục không gian bị biến dạng hoặc thay đổi một cách không tự nhiên theo thời gian. Alibaba đã thiết kế Wan3.0 để đặc biệt chống lại những sự thiếu nhất quán này.

Bằng cách ưu tiên bảo tồn các chi tiết từ tài liệu tham khảo, mô hình duy trì độ trung thực cao hơn nhiều cho các nhân vật, đạo cụ và giao diện người dùng phức tạp. Sự tập trung vào tính nhất quán theo thời gian này giúp mô hình trở nên khả thi hơn nhiều cho các quy trình làm việc chuyên nghiệp, nơi mà bản sắc thương hiệu và sự liên tục của nhân vật là những yếu tố không thể thương lượng.

Giá cả Linh hoạt và Ứng dụng trong Ngành

Wan3.0 có thể truy cập thông qua trang web wan.video, Alibaba Cloud Model Studio, hoặc thông qua API trên Qwen Cloud. Alibaba cung cấp hai gói dịch vụ riêng biệt: phiên bản Standard (hiện đang được giảm giá 30%) và phiên bản Prime tốc độ cao. Giá cả thay đổi theo độ phân giải, dao động từ 1,50 USD cho một clip 480p dài 30 giây ở gói Standard đến 8,40 USD cho một clip 1080p ở gói Prime.

Chiến lược triển khai nhắm vào ba lĩnh vực riêng biệt:

  • Giải trí: Đẩy nhanh quá trình sản xuất phim và tạo ra các bộ phim ngắn hoặc clip trên mạng xã hội.
  • Doanh nghiệp: Chuyển đổi nội dung quảng cáo và tài liệu đào tạo thành các tài sản video hấp dẫn.
  • Công nghệ chuyên sâu (Deep Tech): Cung cấp các cảnh quay mô phỏng thực tế để huấn luyện xe tự hành và các hệ thống robot.

Việc ra mắt này diễn ra sau một đợt bơm vốn khổng lồ của Alibaba, công ty gần đây đã thực hiện một đợt bán cổ phiếu lớn để tài trợ cho việc mở rộng AI mạnh mẽ, ngay cả khi chi phí đầu tư cao đã ảnh hưởng đến lợi nhuận hàng quý.

Những Điểm chính cần Lưu ý

  • Khả năng Đa phương thức Nâng cao: Wan3.0 có thể chuyển đổi PDF, PowerPoint và trang web thành video, hỗ trợ các câu lệnh phức tạp với tối đa 20 tài sản truyền thông kết hợp.
  • Cải thiện Tính nhất quán: Mô hình giải quyết cụ thể vấn đề visual drift, đảm bảo sự ổn định tốt hơn cho nhân vật, đạo cụ và môi trường trong suốt thời lượng 30 giây.
  • Tiện ích Rộng rãi: Được thiết kế cho nhiều đối tượng người dùng, từ những nhà sáng tạo nội dung cần clip mạng xã hội đến các kỹ sư cần dữ liệu mô phỏng để huấn luyện robot.