Alibaba открыла публичный бета-доступ к Wan 3.0, новой мультимодальной видеомодели семейства Wan. В отличие от большинства генераторов видео, новинка умеет работать не только с текстом, изображениями и аудио, но и с офисными документами — презентациями, таблицами, PDF и другими файлами, на основе которых может автоматически создавать видеоролики длиной до 30 секунд. По данным компании, модель уже интегрирована в ряд десктопных приложений и корпоративных сервисов Alibaba на китайском рынке, а для международных пользователей доступна через QwenCloud API.
Wan 3.0 поддерживает широкий набор входных форматов: DOC, XLS, PPT, PDF и другие документы. Их содержимое модель использует как основу для генерации видеосцен, анимации и озвученного визуального ряда. Alibaba делает ставку на сценарии, где видеоконтент создается не вручную, а автоматически из уже существующих рабочих материалов — презентаций, отчетов, инструкций или таблиц.
Wan 3.0 явно нацелена на автоматизацию корпоративного видеопроизводства. Возможность превратить презентацию или PDF-документ в готовый видеоролик за один запрос может оказаться более востребованной в обучении, маркетинге и внутренней документации, чем очередной генератор кинематографичных клипов.
Доступ — API с посекундной тарификацией. Стоимость генерации зависит от разрешения: 480p — $0,05 за секунду, 720p — $0,10, 1080p — $0,20. Такой подход отличается от более привычной оплаты за токены и делает стоимость видео относительно предсказуемой.
Веса модели пока не публикуются. В отличие от некоторых предыдущих релизов семейства Qwen, Alibaba не сообщила о планах открыть Wan 3.0 в формате open weights. Пока модель остается облачным сервисом и доступна только через инфраструктуру компании.
Источник: habr.com