Google i OpenAI mają problem? Alibaba mocno podkręca wideo AI
Generatory wideo AI rozwijają się w szalonym tempie, ale nadal mają sporo ograniczeń. Alibaba chce pozbyć się kilku z nich za jednym zamachem.
Chiński gigant oficjalnie udostępnił Wan3.0, czyli najnowszą generację swojego modelu do tworzenia materiałów wideo. Największa zmiana względem Wan2.7 dotyczy długości nagrań - zamiast maksymalnie 15 sekund możemy teraz otrzymać nawet 30-sekundowy materiał. Do tego dochodzi natywny dźwięk i rozdzielczość do 1080p.
Wan3.0 pozwala też na edycję istniejącego już materiału
Jednak to nie długość materiałów wydaje się najciekawsza. Wan3.0 może jednocześnie korzystać z tekstu, obrazów, nagrań wideo oraz audio jako materiałów referencyjnych. Co więcej, Alibaba dodała obsługę dokumentów DOC, XLS, PPT, PDF czy Markdown oraz całych stron internetowych.
W praktyce można więc wrzucić prezentację produktu albo dokument z danymi, dopisać odpowiednie polecenie i wygenerować gotowy materiał wideo. Model ma przy tym zachowywać wygląd postaci i przedmiotów, ich położenie w scenie, głosy oraz ogólny styl pomiędzy kolejnymi ujęciami. Oczywiście od razu pojawiły się obawy o prawa autorskie.
This is Wan3.0.
— Wan (@Alibaba_Wan) August 24, 2026
Simple Input. Smart Creation. Where Imagination Meets Reality.
Wan3.0 is now generally available.
🎉 Launch offer: Get 30% off Wan3.0 (Standard) on Alibaba Cloud Model Studio and Qwen Cloud from August 23 to September 23. pic.twitter.com/GVogLtvzjK
Alibaba sporo uwagi poświęciła także jednemu z największych problemów generatywnego wideo, czyli "rozjeżdżaniu się" szczegółów. Wan3.0 ma lepiej radzić sobie z twarzami, mimiką, synchronizacją ust, ruchem oraz interfejsami programów i grafikami zawierającymi dane. Producent chwali się nawet wielojęzycznymi dialogami z zachowaniem tego samego głosu.
Otwarte testy trwały już od 6 sierpnia 2026, ale dopiero dzisiaj gigant poinformował o oficjalnym wdrożeniu. Wan3.0 jest dostępny poprzez Alibaba Cloud Model Studio, a dostęp przez API nadal wymaga zgłoszenia i akceptacji. Cennik zaczyna się od 0,05 dolara za sekundę w 480p, przez 0,10 dolara w 720p, aż po 0,20 dolara w 1080p. Oznacza to, że pełne 30 sekund materiału kosztuje odpowiednio około 1,5, 3 lub 6 dolarów.
