TLDR Wan 3.0 هو أحدث نموذج لتوليد الفيديو متعدد الوسائط بالذكاء الاصطناعي من مختبر Tongyi التابع لـAlibaba. ينتج لقطات أصلية بتمرير واحد تصل إلى 30 ثانية بدقات 480p/720p/1080p مع صوت متزامن. قدرته الأبرز—Omni-Reference—تقبل النصوص، الصور، الفيديو، الصوت، المستندات (PDF، PPT، XLS، DOC، MD، وغيرها)، وحتى عناوين URL لصفحات الويب، لتحويل المحتوى الساكن إلى فيديو مكتمل. يبدأ التسعير بحوالي 0.05$ لكل ثانية (480p). يتوفر الوصول عبر Alibaba Cloud Model Studio وQwen Cloud وwan.video ومنصات طرف ثالث بما في ذلك CometAPI.
أبرز النقاط
- لقطات أصلية بمدة 30 ثانية ضمن لقطة مستمرة واحدة (ضعف حد Wan 2.7 السابق البالغ 15 ثانية) مع مطابقة ذكية للمدة.
- تحويل المستندات وصفحات الويب إلى فيديو ميزة فارقة—زوّد المنصة بعرض شرائح أو PDF واحصل على فيديو مُهيكل.
- اتساق مُحسّن في الشخصيات والدعائم والوجوه (التعابير الدقيقة) والفيزياء والنصوص المعروضة على الشاشة والتخطيطات المكانية.
- مدخلات متعددة الوسائط: حتى عدة مراجع عبر أنواع الصور/الفيديو/الصوت/المستندات في توليد واحد.
- أوزان مغلقة (ليست مفتوحة المصدر مثل إصدارات Wan السابقة)؛ واجهة برمجة تطبيقات أولًا مع تسعير تنافسي لكل ثانية.
- ملاءمة قوية للتسويق، الشروح المؤسسية، المحتوى القصير، وتوليد بيانات المحاكاة.
- إمكانية الوصول عبر منصات موحّدة مثل CometAPI للمطورين الذين يرغبون في مفتاح واحد لأكثر من 500 نموذج بما في ذلك Wan 3.0 ونماذج الفيديو المنافسة.
ما هو Wan 3.0؟
Wan 3.0 هو نموذج الجيل القادم من مختبر Tongyi التابع لـAlibaba لتوليد الفيديو متعدد الوسائط. اختلافه المركزي عن مولّدات المقاطع القصيرة التقليدية أنه يتعامل مع أنواع متعددة من المعلومات كمراجع إبداعية: يمكن أن تسهم المطالبات النصية، والصور، والفيديوهات، والصوت، والمستندات، وصفحات الويب جميعًا في عملية توليد واحدة.
يدعم Wan 3.0 توليد فيديو أصلي حتى 30 ثانية في توليد واحد، ما يسمح بوصف سرد أكثر اكتمالًا عبر مطالبة واحدة بدلًا من اضطرار المستخدمين لتوليد عدة مقاطع قصيرة وتجميعها. تحدد Alibaba هذه القدرة على وجه الخصوص لسيناريوهات صناعة الأفلام والإعلانات والمحتوى الاجتماعي والتصميم الإبداعي وغيرها من سير العمل الإنتاجية.
المواصفات التقنية
- المدة القصوى: 30 ثانية بتمرير واحد أصلي
- الدقة: 480p / 720p / 1080p
- المدخلات: نص + متعددة الوسائط (صورة، فيديو، صوت، مستند، صفحة ويب)
- المخرجات: فيديو + صوت متزامن
- ملاحظات معمارية: مبني على نماذج الانتشار-المحوّل المُحسّنة عبر سلسلة Wan؛ النماذج المفتوحة السابقة استخدمت بيانات واسعة النطاق وVAEs مبتكرة
- حالة الإتاحة: أوزان مغلقة؛ وصول عبر واجهة API ومنصات مستضافة
الميزات الأساسية في Wan 3.0
توليد أصلي بتمرير واحد لمدة 30 ثانية
كانت النماذج السائدة سابقًا وحتى Wan 2.7 تحدّ غالبًا عند 5–15 ثانية. يضاعف Wan 3.0 هذا السقف إلى 30 ثانية ضمن لقطة مستمرة واحدة. يتيح ذلك حركات كاميرا أطول وأقواسًا سردية ولقطات غير مقطعة دون عيوب التجميع. يمكن لميزة المدة الذكية اقتراح طول أمثل بناءً على المطالبة، وتتيح أدوات التمديد توسعة السرد أكثر.
الدقات المدعومة: 480p (للتكرار السريع)، 720p، و1080p (جودة إنتاج). أشارت بعض التكاملات إلى معدلات إطارات حوالي 30 إطارًا/ث.
Omni-Reference وتحويل المستندات إلى فيديو
هذه هي القدرة المميزة. يمكن للمستخدمين تزويد النظام بـ:
- مطالبات نصية
- صور (متعددة)
- مقاطع فيديو
- صوت
- مستندات: .doc و.xls و.ppt و.pdf و.txt و.key و.pages و.numbers و.md (وما شابه)
- عناوين URL لصفحات الويب
Wan 3.0 يقرأ المحتوى المُهيكل ويولّد تسلسل فيديو يعكس بنية المادة المصدرية—محولًا عرضًا ربع سنوي أو مواصفة منتج إلى فيديو شارح. من الحدود الشائعة ذكرها: ملف/رابط أساسي واحد لكل توليد في بعض الواجهات، مع حجم ملفات أقصى يقارب 100 MB وعدد صفحات يصل إلى ~50 في أمثلة موثقة. ذُكر في تغطيات ثانوية دعم ما يصل إلى 20 مرجعًا عبر الوسائط للمحافظة على الاتساق.
إخراج واقعي المستوى واتساق
تركّز التحسينات على تقليل عيوب فيديو الذكاء الاصطناعي الشائعة:
- وجوه أكثر تعبيرًا وتعابير دقيقة متزامنة
- ثبات أكبر لهوية الشخصيات والمنتجات والدعائم عبر كامل المقطع
- نص أوضح على الشاشة وعناصر واجهة رقمية أنظف
- فيزياء أفضل (تصادمات، أنماط تشقق، نقل الحركة)
- الحفاظ على التخطيط المكاني والأسلوب المأخوذ من المراجع
سلّطت اختبارات مبكرة مستقلة (مثل مقارنات بنفس البذرة مقابل إصدارات Wan السابقة والمنافسين) الضوء على نقاط قوة في الإخلاص والثبات والفيزياء.
توليد صوت أصلي وضوابط إضافية
يُنتَج الصوت في المرور نفسه—حوار، أصوات محيطة، مؤثرات، أو إشارات موسيقية متوافقة مع المرئيات—مما يلغي خطوة ما بعد الإنتاج الشائعة. ذُكر إخراج صوتي متعدد اللغات في مواد Alibaba.
تهيئة الإطار الأول والأخير، والتوليد المدفوع بالمراجع، والتحرير الموضعي، والتمديد الزمني—كلها مدعومة ضمن نموذج موحّد (كانت الإصدارات السابقة غالبًا تفصل هذه القدرات عبر نقاط نهاية مختلفة).
Wan 3.0 مقابل Wan 2.7 مقابل HappyHorse 1.1
| الميزة | Wan 3.0 | Wan 2.7 | HappyHorse 1.1 |
|---|---|---|---|
| المزود | Alibaba | Alibaba | Alibaba |
| الدور الأساسي | توليد فيديو متعدد الوسائط | توليد/تحرير فيديو | توليد فيديو |
| المدة الأصلية القصوى | 30 ثانية | فئة 15 ثانية | يعتمد على النموذج |
| صوت أصلي | نعم | نعم | نعم |
| إدخال المستندات | نعم | أكثر محدودية | يعتمد على النموذج |
| مدخلات مرجعية | نص، صورة، فيديو، صوت، مستندات، ويب | مراجع متعددة الوسائط | توليد مدفوع بالمراجع بقوة |
| 1080P | نعم | نعم | نعم |
| المزية الرئيسية | توليد أطول + مراجع متعددة | سير عمل Wan الناضج للإنتاج | تعبيرية حركة واتساق |
أقوى عوامل تمايز Wan 3.0 ليست مجرد دقة أعلى. التغيير المنتج الرئيسي هو الجمع بين توليد أطول بتمرير واحد مع مراجع متعددة الوسائط أوسع، بما في ذلك المستندات وصفحات الويب. تصف Alibaba قدرة الـ30 ثانية بأنها تقريبًا ضعف سقف التوليد السابق البالغ 15 ثانية.
Wan 3.0 مقابل Wan 2.7
اختر Wan 3.0 عندما تحتاج إلى مشاهد أطول مستمرة، تحويل المستندات إلى فيديو، مدخلات مرجعية أغنى أو توليدًا صوتيًا بصريًا أصليًا.
اختر Wan 2.7 عندما يعتمد سير عملك الحالي بالفعل على واجهة Wan 2.x الناضجة وكان توليد فيديو أقصر كافيًا.
Wan 3.0 مقابل HappyHorse 1.1
اختر Wan 3.0 عندما ينطوي سير العمل على مستندات، مراجع متعددة الوسائط، سرد أطول مستمرًا أو توليدًا صوتيًا بصريًا موحدًا.
اختر HappyHorse 1.1 عندما يكون المطلب الأساسي هو تعبير حركة قابل للتحكم واتساق الشخصيات ضمن سير عمل توليد فيديو متخصص.
أفضل حالات استخدام Wan 3.0
الأفلام بالذكاء الاصطناعي ورواية القصص القصيرة
مدة 30 ثانية الأصلية مفيدة بشكل خاص للمشاهد السينمائية والمحتوى السردي القصير. يمكن لتوليد واحد أن يحتوي على مقدمة، وفعل شخصية، وحركة كاميرا، وحوار، وخاتمة دون الحاجة إلى تجميع عدة مقاطع.
الإعلانات وتسويق المنتجات
يمكن للعلامات تقديم صور المنتج ومواد مرجعية ومعلومات الحملة وتعليمات إبداعية لتوليد فيديوهات إعلانية. يمكن لقدرات المراجع في النموذج المساعدة في الحفاظ على مظهر المنتج عبر التسلسل المُولّد.
تحويل المستندات إلى فيديو
هذه إحدى أكثر حالات استخدام Wan 3.0 تمايزًا.
يمكن لشركة أن تقدم تقرير PDF أو عرض منتج أو جدول بيانات أو مستند Markdown وتطلب من النموذج تحويل المعلومات إلى عرض مرئي أو فيديو شارح.
تشمل سير العمل المحتملة:
- تقرير سنوي → فيديو ملخص تنفيذي
- مواصفات منتج → عرض توضيحي للمنتج
- شرائح دورة → فيديو تعليمي
- جدول بيانات → تصور بيانات متحرك
- عرض تسويقي → فيديو ترويجي
تُبرز Alibaba Cloud صراحةً المستندات وصفحات الويب كوسائط مرجعية جديدة لـWan 3.0.
عروض المنتجات
يمكن لصورة منتج أن تثبت الهوية البصرية بينما تتحكم مطالبةٌ في حركة الكاميرا والبيئة والإضاءة والتفاعل. هذا مفيد للتجارة الإلكترونية والإلكترونيات الاستهلاكية والسيارات ومستحضرات التجميل وفئات المنتجات البصرية الأخرى.
محتوى وسائل التواصل الاجتماعي
تتلاءم مدة 30 ثانية في Wan 3.0 طبيعيًا مع الفيديو القصير. يمكن للمبدعين استخدام صور مرجعية وشخصيات ومنتجات وصوت لإنتاج مقاطع أكثر اكتمالًا من الأجيال القصيرة جدًا الشائعة في سير العمل السابقة.
الفيديو التعليمي والمؤسسي
يمكن تحويل المستندات والعروض التقديمية وجداول البيانات إلى مواد مصدر لمحتوى تعليمي أو أعمال مُولّد. يجعل هذا Wan 3.0 مفيدًا خارج نطاق توليد الفيديو الترفيهي التقليدي.
تحرير الفيديو
يمكن استخدام النموذج لتعديل محتوى فيديو قائم عبر تعليمات لغة طبيعية، مما يجعله مفيدًا لتغييرات المشهد، وتعديلات البيئة، وإعادة تشكيل البصرية، وتعديلات السرد.
ما هي حدود Wan 3.0؟
الحد الأهم هو أن Wan 3.0 حاليًا في معاينة واجهة API وليس واجهة إنتاج مكتملة غير مقيّدة. وثائق واجهة Alibaba Cloud الحالية تصف النموذج كمُعاينة وتتطلب موافقة للوصول.
ثانيًا، الصوت والنص المعروض ليسا مثاليين. تُقر مواد Wan 3.0 من Alibaba بأن نسيج الصوت ودقة النص ما زالا بحاجة لتحسين. التطبيقات التي تعتمد على طباعة دقيقة على الشاشة أو إنتاج صوت احترافي ينبغي أن تتضمن معالجة لاحقة.
ثالثًا، لا تقضي مدة 30 ثانية على تحديات الاتساق الزمني. المقاطع الأطول تخلق فرصًا أكبر لانحراف الهوية أو تشوه الأجسام أو علاقات فيزيائية غير متسقة. يجب على المطورين اختبار اتساق الشخصيات والمنتجات عبر كامل المدة لا تقييم الثواني الأولى فقط.
رابعًا، توليد 1080P أغلى من التوليد منخفض الدقة. التسعير الحالي في Alibaba Cloud Model Studio هو 0.05$/ث عند 480P و0.10$/ث عند 720P و0.20$/ث عند 1080P.
أخيرًا، لا ينبغي الخلط حاليًا بين Wan 3.0 ونماذج Wan ذات الأوزان المفتوحة. نموذج واجهة API الحالي نموذجٌ مستضاف لدى Alibaba Cloud؛ وجود إصدارات Wan 2.x مفتوحة المصدر لا يعني أن أوزان إنتاج Wan 3.0 متاحة علنًا.
ما هو تسعير Wan 3.0؟
تُدرج Alibaba Cloud Model Studio حاليًا التسعير التالي للمعاينة:
| الدقة | السعر | توليد لمدة 30 ثانية |
|---|---|---|
| 480P | 0.05$/ث | 1.50$ |
| 720P | 0.10$/ث | 3.00$ |
| 1080P | 0.20$/ث | 6.00$ |
يعتمد التسعير على مدة الفيديو المُولّد. تصف Alibaba Cloud دقة 480P كخيار للاستكشاف الإبداعي السريع، 720P كحل وسط بين الجودة والكفاءة، و1080P كخيار عالي الدقة للمخرجات النهائية.
هذا يخلق سير عمل إنتاج منطقي: استخدم 480P لتكرار المطالبات، وانقل المفاهيم الناجحة إلى 720P، واحتفظ بـ1080P للأصول النهائية.
على سبيل المثال، توليد عشرة مسودات بمدة 30 ثانية عند 480P سيكلّف تقريبًا 15$، بينما توليد المقاطع نفسها عند 1080P سيكلّف حوالي 60$.
نظرًا لأن Wan 3.0 حاليًا في مرحلة المعاينة، ينبغي على المطورين التحقق من تسعير Model Studio الفعلي والتوافر الإقليمي قبل نشر أعباء عمل إنتاجية.
بالنسبة للنموذج نفسه، سعر CometAPI أقل من السعر الرسمي.
كيفية الوصول إلى Wan 3.0
المسارات الأساسية:
- Alibaba Cloud Model Studio وQwen Cloud (قدّم طلب وصول؛ النموذج
wan3.0-video) - منصة المستهلكين/المبدعين wan.video (طرح للأعضاء)
- تكاملات طرف ثالث: Vercel AI Gateway وComfyUI/Comfy Cloud وCometAPI وغيرها
توصية CometAPI
بالنسبة للمطورين والفرق، توفّر منصات مثل CometAPI (cometapi.com) مسارًا عمليًا. CometAPI بوابة API موحّدة ومتوافقة مع OpenAI، تتيح الوصول إلى أكثر من 500 نموذج—بما في ذلك LLMs، ومولّدات الصور، ونماذج الفيديو مثل Kling وVeo وSeedance وسلسلة Alibaba’s Wan (تُدرج Wan 2.x وWan 3.0 ضمن نماذج Aliyun).
تشمل الفوائد:
- مفتاح API واحد وBase URL واحد (
https://api.cometapi.com/v1) - توافق فوري مع SDK الخاص بـOpenAI (غيّر فقط base_url وkey)
- تسعير بالدفع حسب الاستخدام تنافسي (غالبًا أقل بـ20–40% من أسعار المورد المباشرة على العديد من النماذج)
- سهولة التبديل بين Wan 3.0 ونماذج الفيديو المنافسة لاختبارات A/B
- تركيز على زمن تشغيل 99.9% وأدوات موجّهة للإنتاج
هذا مفيد خصوصًا عند بناء تطبيقات تحتاج إلى واجهات فيديو متعددة، وضبط التكاليف، أو تجارب سريعة دون إدارة حسابات منفصلة لدى Alibaba وGoogle وKuaishou وغيرها. تحقّق من كتالوج النماذج المباشر على cometapi.com لمعرفة نقطة نهاية Wan 3.0 الحالية وتسعيرها.
الخلاصة
Wan 3.0 يمثل خطوة ذات معنى في توليد الفيديو العملي بالذكاء الاصطناعي. من خلال الجمع بين لقطات مستمرة أصلية لمدة 30 ثانية، ومدخلات متعددة الوسائط قوية بما فيها المستندات، وصوت في المرور نفسه، وتسعير تنافسي، فإنه يخفّض الحاجز أمام المحترفين الإبداعيين ومستخدمي الأعمال الذين يحتاجون فيديو مكتملًا من مواد قائمة.
بالنسبة للمطورين، غالبًا ما تكون البوابة الموحّدة هي المسار الأكثر كفاءة. تتيح منصات مثل CometAPI الوصول إلى قدرات Wan إلى جانب المشهد الأوسع لنماذج الفيديو والصور واللغة عبر واجهة واحدة متّسقة ومحسّنة التكلفة—ما يعجّل التجريب ويقلّل الاحتكاك التشغيلي.