Wan 3.0 API

Alibaba Wan 3.0 ialah model penjanaan video daripada Alibaba Tongyi Lab yang dibina atas paradigma diffusion-transformer yang diperhalusi merentas siri Wan. Ia menghasilkan video asli sehingga 30 saat dalam satu ambilan berterusan dan menjana audio segerak bersama video dalam hantaran yang sama. Model ini menyokong nisbah aspek daripada 16:9 hingga 9:16 serta tiga peringkat resolusi: 480p, 720p dan 1080p. Input merangkumi teks, imej, video, audio, dokumen, hamparan, slaid, PDF dan URL laman web, manakala output terdiri daripada video dan audio segerak. Ciri Omni-Reference menerima sehingga 20 input rujukan dalam satu penjanaan, termasuk imej, video, klip audio, dokumen, hamparan, slaid, PDF dan URL laman web. Rujukan boleh dituju mengikut kedudukan dalam gesaan, seperti imej 1 atau video 3. Model ini juga boleh mengubah kandungan video sedia ada melalui arahan bahasa semula jadi. Dari segi kekuatan, ia menunjukkan kesetiaan visual, koheren gerakan dan kepatuhan gesaan yang kukuh, serta konsisten dari segi pencahayaan, peletakan objek dan urutan aksi. Kejituan butiran permukaan kekal stabil sepanjang klip untuk tangkapan produk, termasuk teks label dan sorotan spekular. Keupayaan dokumen-ke-video dan laman web-ke-video digambarkan sebagai yang pertama dalam industri. Wan 3.0 sesuai untuk filem AI dan penceritaan bentuk pendek, komunikasi korporat dan kemas kini perniagaan suku tahunan, penjelasan pemasaran dan korporat, kandungan sosial bentuk pendek untuk TikTok, Instagram Reels dan YouTube Shorts, tangkapan produk e-dagang dan pengiklanan, serta perubahan babak, pengubahsuaian persekitaran dan penggayaan semula visual video sedia ada. Model ini berada dalam pratonton API dan memerlukan kelulusan akses, merupakan model berat tertutup tanpa pilihan penggunaan setempat, dan pratonton awamnya tidak menyokong output 4K. Inferens memerlukan sumber GPU yang besar, dengan anggaran 4 hingga 8 GPU A100 atau H100 untuk pusat pemeriksaan penuh. Pihak berkepentingan juga harus ambil perhatian bahawa babak dinamik dengan berbilang subjek berinteraksi boleh menunjukkan hanyutan dalam kedudukan watak sekunder, dan penanda aras bebas masih terhad kerana model ini belum muncul di Video Arena.

Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza. Dicaj berdasarkan kos penjanaan sebenar. Lihat bil anda untuk jumlah akhir.

Wan 3.0 menerima input teks, imej, video, audio, dokumen, hamparan, slaid, PDF dan URL laman web. Ciri Omni-Reference membolehkan sehingga 20 input rujukan dalam satu penjanaan, dan rujukan boleh dituju mengikut kedudukan dalam gesaan.

Model ini menghasilkan video asli sehingga 30 saat dalam satu ambilan berterusan. Audio segerak dijana bersama video dalam hantaran yang sama.

Wan 3.0 menawarkan tiga peringkat resolusi: 480p, 720p dan 1080p. Ia menyokong setiap nisbah aspek daripada 16:9 hingga 9:16.

Ya, model ini boleh mengubah kandungan video sedia ada melalui arahan bahasa semula jadi. Ini termasuk perubahan babak, pengubahsuaian persekitaran dan penggayaan semula visual.

Wan 3.0 dibina atas paradigma diffusion-transformer yang diperhalusi merentas siri Wan dan menambah keupayaan seperti penjanaan video sehingga 30 saat dengan audio segerak serta Omni-Reference. Wan 2.7 ialah model terdahulu dalam siri yang sama, dan perbandingan terperinci antara keduanya tidak dinyatakan dalam fakta yang tersedia.

Wan 3.0 berada dalam pratonton API yang memerlukan kelulusan akses, merupakan model berat tertutup tanpa pilihan penggunaan setempat, dan pratonton awamnya tidak menyokong output 4K. Inferens memerlukan sumber GPU yang besar, dan babak dinamik dengan berbilang subjek berinteraksi boleh menunjukkan hanyutan dalam kedudukan watak sekunder.