Wan 3.0 API
Wan 3.0 হলো আলিবাবা টোঙ্গি ল্যাবের ভিডিও ও অডিও একসাথে তৈরি করার মাল্টিমোডাল মডেল।
Wan 3.0 হলো Alibaba Tongyi Lab দ্বারা তৈরি একটি মাল্টিমোডাল ভিডিও জেনারেশন মডেল, যা ২০২৬ সালের ৬ আগস্ট পাবলিক বেটা হিসেবে প্রকাশিত হয়। এটি diffusion-transformer প্যারাডাইমের উপর ভিত্তি করে তৈরি এবং একই প্রক্রিয়ায় ভিডিও ও সিঙ্ক্রোনাইজড অডিও তৈরি করতে পারে। মডেলটি টেক্সট, ছবি, ভিডিও, অডিও, ডকুমেন্ট, স্প্রেডশিট, স্লাইড, PDF এবং ওয়েবপেজ URL ইনপুট হিসেবে গ্রহণ করে।
Omni-Reference বৈশিষ্ট্যের মাধ্যমে একক জেনারেশনে সর্বোচ্চ ২০টি রেফারেন্স ইনপুট ব্যবহার করা যায় এবং প্রম্পটে অবস্থান অনুযায়ী সেগুলো উল্লেখ করা সম্ভব। মডেলটি ১৬:৯ থেকে ৯:১৬ পর্যন্ত সব অ্যাসপেক্ট রেশিও এবং ৪৮০p, ৭২০p ও ১০৮০p—এই তিনটি রেজোলিউশন টিয়ার সমর্থন করে। এটি প্রাকৃতিক ভাষার নির্দেশনা দিয়ে বিদ্যমান ভিডিওর দৃশ্য, পরিবেশ ও ভিজ্যুয়াল স্টাইল পরিবর্তন করতে পারে।
এই মডেলটি বিশেষভাবে উপযুক্ত AI ফিল্ম ও শর্ট-ফর্ম স্টোরিটেলিং, কর্পোরেট যোগাযোগ ও ত্রৈমাসিক ব্যবসায়িক আপডেট, মার্কেটিং ও কর্পোরেট ব্যাখ্যামূলক ভিডিও, TikTok, Instagram Reels ও YouTube Shorts-এর জন্য শর্ট-ফর্ম সোশ্যাল কনটেন্ট, ই-কমার্স ও বিজ্ঞাপনের প্রোডাক্ট শট এবং বিদ্যমান ভিডিওর দৃশ্য পরিবর্তন ও ভিজ্যুয়াল রিস্টাইলিংয়ের কাজে।
আপডেট:
মডেল ID
wan-3.0- আউটপুট
- video
মূল বৈশিষ্ট্য
- একক শটে ৩০ সেকেন্ড পর্যন্ত নেটিভ ভিডিও
- ভিডিওর সাথে সিঙ্ক্রোনাইজড অডিও
- ২০টি পর্যন্ত রেফারেন্স ইনপুট
- ১৬:৯ থেকে ৯:১৬ সব অ্যাসপেক্ট রেশিও
- ৪৮০p, ৭২০p ও ১০৮০p রেজোলিউশন
- ডকুমেন্ট ও ওয়েবপেজ থেকে ভিডিও
প্রোভাইডার
প্রোভাইডারদের মধ্যে API মূল্য তুলনা করুন। সব চার্জ ও শর্ত দেখতে একটি প্রোভাইডার নির্বাচন করুন।
বেঞ্চমার্ক
- 1173
অডিওসহ Artificial Analysis টেক্সট-টু-ভিডিও লিডারবোর্ড
Elo
স্কোর মডেল প্রোভাইডারের প্রকাশিত তথ্য অনুযায়ী।
ভিডিও স্পেসিফিকেশন
- আস্পেক্ট অনুপাত
- 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- অডিও · আউটপুট
- হ্যাঁ
- সময়কাল · সর্বনিম্ন
- ২ সেকেন্ড
- সময়কাল · সর্বোচ্চ
- ৩০ সেকেন্ড
- সময়কাল · ধাপ
- ১ সেকেন্ড
- রেজোলিউশন
- 480p / 720p / 1080p
API রেফারেন্স
এই মডেলের প্রোটোকলের বিস্তারিত প্রকাশ করা হয়নি। ইন্টিগ্রেশনের প্রয়োজনীয়তার জন্য API রেফারেন্স দেখুন।
API রেফারেন্স →সাধারণ প্রশ্ন
মডেল পরিচিতি: Wan 3.0?
Wan 3.0 হলো Alibaba Tongyi Lab দ্বারা তৈরি একটি মাল্টিমোডাল ভিডিও জেনারেশন মডেল, যা ২০২৬ সালের ৬ আগস্ট পাবলিক বেটা হিসেবে প্রকাশিত হয়। এটি diffusion-transformer প্যারাডাইমের উপর ভিত্তি করে তৈরি এবং একই প্রক্রিয়ায় ভিডিও ও সিঙ্ক্রোনাইজড অডিও তৈরি করতে পারে। মডেলটি টেক্সট, ছবি, ভিডিও, অডিও, ডকুমেন্ট, স্প্রেডশিট, স্লাইড, PDF এবং ওয়েবপেজ URL ইনপুট হিসেবে গ্রহণ করে। Omni-Reference বৈশিষ্ট্যের মাধ্যমে একক জেনারেশনে সর্বোচ্চ ২০টি রেফারেন্স ইনপুট ব্যবহার করা যায় এবং প্রম্পটে অবস্থান অনুযায়ী সেগুলো উল্লেখ করা সম্ভব। মডেলটি ১৬:৯ থেকে ৯:১৬ পর্যন্ত সব অ্যাসপেক্ট রেশিও এবং ৪৮০p, ৭২০p ও ১০৮০p—এই তিনটি রেজোলিউশন টিয়ার সমর্থন করে। এটি প্রাকৃতিক ভাষার নির্দেশনা দিয়ে বিদ্যমান ভিডিওর দৃশ্য, পরিবেশ ও ভিজ্যুয়াল স্টাইল পরিবর্তন করতে পারে। এই মডেলটি বিশেষভাবে উপযুক্ত AI ফিল্ম ও শর্ট-ফর্ম স্টোরিটেলিং, কর্পোরেট যোগাযোগ ও ত্রৈমাসিক ব্যবসায়িক আপডেট, মার্কেটিং ও কর্পোরেট ব্যাখ্যামূলক ভিডিও, TikTok, Instagram Reels ও YouTube Shorts-এর জন্য শর্ট-ফর্ম সোশ্যাল কনটেন্ট, ই-কমার্স ও বিজ্ঞাপনের প্রোডাক্ট শট এবং বিদ্যমান ভিডিওর দৃশ্য পরিবর্তন ও ভিজ্যুয়াল রিস্টাইলিংয়ের কাজে।
ব্যবহারের জন্য কীভাবে চার্জ হয়?
আপনার বিল নির্ভর করে আপনি কোন প্রোভাইডার ব্যবহার করেন, তার মূল্য এবং আপনার ব্যবহারের ওপর। দীর্ঘ ইনপুট বা অন্যান্য শর্তে ভিন্ন মূল্য প্রযোজ্য হতে পারে। প্রকৃত জেনারেশন খরচের ভিত্তিতে চার্জ করা হয়। চূড়ান্ত পরিমাণের জন্য আপনার বিল দেখুন।
Wan 3.0 কী কী ইনপুট সমর্থন করে?
এটি টেক্সট, ছবি, ভিডিও, অডিও, ডকুমেন্ট, স্প্রেডশিট, স্লাইড, PDF এবং ওয়েবপেজ URL ইনপুট হিসেবে গ্রহণ করে। Omni-Reference-এর মাধ্যমে একক জেনারেশনে সর্বোচ্চ ২০টি রেফারেন্স ব্যবহার করা যায়।
এই মডেলটি কী ধরনের আউটপুট তৈরি করে?
এটি একক ধারাবাহিক শটে সর্বোচ্চ ৩০ সেকেন্ডের নেটিভ ভিডিও তৈরি করে এবং একই প্রক্রিয়ায় সিঙ্ক্রোনাইজড অডিও আউটপুট দেয়।
Wan 3.0 কোন কাজের জন্য সবচেয়ে উপযুক্ত?
এটি AI ফিল্ম, শর্ট-ফর্ম স্টোরিটেলিং, কর্পোরেট যোগাযোগ, মার্কেটিং ভিডিও, সোশ্যাল মিডিয়া কনটেন্ট এবং ই-কমার্স প্রোডাক্ট শটের জন্য উপযুক্ত। এছাড়া বিদ্যমান ভিডিওর দৃশ্য ও ভিজ্যুয়াল স্টাইল পরিবর্তনেও এটি ব্যবহার করা যায়।
Wan 3.0-এর কী কী সীমাবদ্ধতা আছে?
এটি বর্তমানে API প্রিভিউতে আছে এবং অ্যাক্সেসের জন্য অনুমোদন প্রয়োজন। এটি একটি closed-weight মডেল, তাই লোকাল ডিপ্লয়মেন্টের সুযোগ নেই। পাবলিক বেটায় 4K আউটপুট সমর্থিত নয় এবং ইনফারেন্সের জন্য উল্লেখযোগ্য GPU সংস্থান প্রয়োজন।
Wan 3.0 কোথায় পাওয়া যায়?
এটি Alibaba Cloud Model Studio এবং Qwen Cloud-এ wan3.0-video মডেল আইডিতে পাওয়া যায়। এছাড়া wan.video এবং CometAPI, Runway, Morphic ও WaveSpeedAI-এর মতো তৃতীয় পক্ষের প্ল্যাটফর্মেও এটি উপলব্ধ।