Alibaba научила Wan 3.0 превращать документы и таблицы в готовое видео
Alibaba обновила свою видеогенеративную модель Wan 3.0, сделав главным нововведением не просто более длинную генерацию, а работу с привычными рабочими файлами.
Теперь нейросети можно передать PDF, презентацию, таблицу или публичную веб-страницу, а на выходе получить видеоролик. Раньше для подобных задач содержимое документа пришлось бы вручную превращать в сценарий, подбирать изображения и отдельно собирать раскадровку.
От PDF до видео за один запрос
Wan 3.0 поддерживает сразу несколько типов входных данных:
текст;
изображения;
видео;
аудио;
документы и таблицы;
публичные веб-страницы.
Среди поддерживаемых форматов — DOC/DOCX, XLS/XLSX, PPT/PPTX, PDF, TXT, Markdown, Keynote, Pages и Numbers. За один запрос можно передать один файл или ссылку размером до 100 МБ, при этом для документов действует ограничение до 50 страниц.
Причём модель не просто прикрепляет страницы документа к ролику. Alibaba позиционирует Wan 3.0 как систему, которая анализирует исходный материал и использует его содержание при создании сцены.
Например, презентацию о продукте можно превратить в рекламный ролик, учебные слайды — в видеокурс, а таблицу с данными — в видео с динамической визуализацией.
До 30 секунд в одном ролике
Ещё одно заметное изменение — продолжительность генерации. Wan 3.0 умеет создавать до 30 секунд видео за один проход, тогда как предыдущая версия Wan 2.7 ограничивалась более короткими клипами. Также предусмотрены интеллектуальный подбор продолжительности и расширение уже созданного видео.
Максимальное разрешение достигает 1080p. Доступны режимы 480p, 720p и 1080p, а соотношение сторон можно выбирать между несколькими вариантами, включая 16:9 и 9:16.
Отдельное внимание Alibaba уделяет стабильности изображения. Модель должна лучше сохранять внешний вид персонажей, предметов, пространства и общий стиль от кадра к кадру. В числе заявленных возможностей также есть редактирование уже созданного видео — можно менять визуальные элементы, сюжет и диалоги без полной генерации с нуля.
Сколько это стоит
В Alibaba Cloud Model Studio стоимость рассчитывается за каждую секунду готового видео:
480p — $0,05/сек.
720p — $0,10/сек.
1080p — $0,20/сек.
То есть 30-секундный ролик в 1080p обойдётся примерно в $6. API пока находится в режиме preview и требует одобрения заявки.
При этом у технологии остаются ограничения. Alibaba отдельно отмечает, что качество работы со звуковой составляющей и отображением текста внутри видео ещё совершенствуется.
Главное изменение Wan 3.0 поэтому не столько в очередном увеличении качества AI-видео, сколько в самом подходе: исходником для ролика теперь может быть не промпт, а полноценный рабочий документ.
Презентация, отчёт или таблица превращаются из статичного набора информации в материал, который нейросеть может использовать как основу для готового видеоконтента. Для маркетинга, обучения и корпоративных презентаций это может оказаться гораздо практичнее обычной генерации видео по текстовому описанию.
