Alibaba'nın Video Modeli Wan 3.0 Genel Beta'ya Açıldı: Belgeler ve Sunumlar da Video Olabiliyor

6 Ağustos'ta Alibaba, video üretim büyük modeli Wan 3.0'ın herkese açık beta sürümünü başlattı. Model; üretim süresi, evrensel içerik oluşturma, çok yönlü referans alma ve gerçek dünyayı yansıtma konularında yükseltildi. Tek seferde 30 saniyelik video üretebiliyor ve yaratıcı niyeti eksiksiz biçimde ifade edebiliyor. İlk kez metin, görsel, ses ve video olmak üzere dört temel modalitenin ötesinde doc, xls, ppt, pdf ve md gibi belge formatlarının girdi olarak kullanılmasını destekliyor. Model, gerçek dünyayı olabildiğince doğru biçimde yansıtmayı hedefliyor; her kişinin benzersiz bir görünüme sahip olmasını ve her karenin hem gerçekçi hem de inandırıcı olmasını amaçlıyor. Üretim süresinin uzatılması en belirgin yükseltme olup, sürekli kaydırmalar ve tek çekim (one-shot) gibi karmaşık kamera hareketlerine olanak tanıyor. Wan3.0 ayrıca, komuta (prompt) dayanarak uygun süreyi otomatik olarak öneren akıllı bir süre fonksiyonuna da sahip. Model, bir video üretim aracından bilgi ifade etme aracına dönüşüyor; belgelerden ve PPT'lerden yapılandırılmış bilgileri okuyabiliyor ve komutlarla birleştirildiğinde eğitim ders materyalleri, ürün tanıtımları ve iş raporları oluşturabiliyor. Desteklenen formatlar doc, xls, ppt, pdf ve md'yi kapsıyor; tekil dosyalar veya bağlantılar 100MB ve 50 sayfayı geçmemeli. Örneğin, akıllı gözlük için bir PPT'nin bir komutla birlikte yüklenmesi, eksiksiz bir tanıtım videosu ortaya çıkarıyor. Bunun temelinde modelin güçlü komut mühendisliği (prompt engineering) ve talimat takip etme yetenekleri yatıyor; bu sayede komutlar, girdi zamanlamasını ve ifade kontrolünü yöneten bir merkeze dönüşüyor. Video üretim modelleri, içerik üretiminden üretkenlik araçlarına doğru evriliyor ve kullanıcılar artık yalnızca netlik değil, gerçekçilik de talep ediyor. Wan3.0, hem gerçek sahneleri hem de dijital bilgileri doğru biçimde çoğaltıp sunabiliyor; üretilen insan figürlerinde benzersiz yüzler, ayrıntılı yüz hatları ve cilt dokusu, doğal ve ölçülü duygu ifadeleri ile uyumlu mikro ifadeler ve beden hareketleri hedefleniyor. Çok yönlü referans alma görevlerinde karakter, aksesuar, ses, mekânsal ilişkiler ve stil gibi ince ayrıntılar kararlı biçimde korunuyor. Dijital bilgilerin görsel kalitesi de artırılmış olup, grafikler, veriler ve arayüz içerikleri daha dokulu bir görünüme kavuşuyor. Ayrıca Wan3.0'ın video düzenleme yetenekleri büyük ölçüde geliştirilerek görsellerde, olay örgüsünde ve diyaloglarda değişiklik yapılmasına olanak tanıyor. Buna karşın ses kalitesi ve metin doğruluğu açısından hâlâ geliştirilmesi gereken alanlar bulunuyor. Wan3.0, bugün itibarıyla Alibaba Cloud Bailian, Wanjing Yike, Wanxiang resmi web sitesi, Qianwen Creation PC, IF STUDIO ve Duijiu üzerinden herkese açık beta olarak sunuluyor; Qianwen uygulamasında ise kademeli (gri ölçekli) olarak kullanıma açılıyor. 480P, 720P ve 1080P için API fiyatları sırasıyla saniye başına 0,3, 0,6 ve 1,2 yuan olarak belirlendi; API arayüzünün ise yakında tam olarak açılması planlanıyor.