Wan 3.0 техникалық сипаттамалары
| Сипаттама | Wan 3.0 |
|---|---|
| Модель түрі | Мультимодальды all-in-one бейне жасау моделі |
| Модель мәртебесі | Қоғамдық API алдын ала қарау |
| Енгізу түрлері | Мәтін, кескін, бейне, аудио, құжаттар, веб-беттер |
| Бейне генерациясы | Мәтіннен-бейнеге, кескіннен-бейнеге, reference-to-video |
| Бейне өңдеу | Нұсқаулыққа және сілтемеге негізделген өңдеу |
| Ең көп ұзақтық | Бір генерацияда 30 секунд |
| Шығыс ажыратымдылығы | 480P, 720P, 1080P |
| Нативті аудио-визуал жасау | Иә |
| Сілтеме материалдары | 20-ға дейін мультимодальды сілтеме материалдары |
| Құжаттық енгізулер | DOC, XLS, PPT, PDF, TXT, KEY, PAGES, NUMBERS, MD |
| Құжаттың максималды өлшемі | 100 MB |
| Құжаттағы беттердің ең көбі | 50 pages |
| API қатынасы | Alibaba Cloud Model Studio API preview |
| API генерация режимі | Асинхронды |
| 480P бағасы | $0.05/sec |
| 720P бағасы | $0.10/sec |
| 1080P бағасы | $0.20/sec |
Wan 3.0 — Alibaba Cloud-тың 2026 жылғы тамызда ресми түрде іске қосылған all-in-one мультимодальды бейне жасау моделі. Бұрынғы Wan нұсқаларымен салыстырғандағы ең маңызды жаңарту тек қана жоғары визуал сапа емес, мәтін, кескіндер, бейне, аудио, құжаттар және веб-беттерді біртұтас шығармашылық жұмыс ағынына біріктіру болып табылады. Alibaba Cloud модельдің нативті 30 секундтық бейне генерациясын, мультимодальды сілтеме енгізулерін, синхронды аудио-визуал жасауды және дәл бейне өңдеуді қолдайтынын сипаттайды.
Wan 3.0 дегеніміз не?
Wan 3.0 — мәтін, кескіндер, бейне, аудио, құжаттар және веб-контентті тұтас бейнеге айналдыруға арналған Alibaba-ның келесі буын мультимодальды бейне жасау моделі.
Ертеректегі AI бейне жұмыс ағындары жиі бірнеше мамандандырылған модельді қажет ететін: біреуі мәтіннен-бейнеге, біреуі кескіннен-бейнеге, біреуі сілтеме сәйкестігіне, ал өңдеу немесе аудио үшін бөлек құралдар. Wan 3.0 — бұл енгізулерді бір шығармашылық нұсқаулықтың төңірегінде біріктіретін all-in-one өндірістік модельге қадам.
Оның басты мүмкіндігі — нативті 30 секундтық генерация. Қысқа 5 немесе 10 секундтық үзіндіні жасап, оны қайта-қайта ұзартумен және біріктірумен әуреленудің орнына, Wan 3.0 бір өтуде үздіксіз 30 секундтық тізбекті жасай алады. Alibaba көрсетілімдері модельдің ұзақ көріністер бойында кейіпкерлерді, ортақ қамтылымды, әрекеттерді, камера қозғалысын, диалог пен дыбысты сақтай алатынын көрсетеді.
Тағы бір маңызды өзгеріс — Omni-Reference. Әзірлеушілер кейіпкерлерді, өнімдерді, орталарды, қозғалысты немесе басқа визуалды сипаттарды белгілеу үшін бірнеше сілтеме материалдарын пайдалана алады. Ресми Wan 3.0 репозиторийі 20-ға дейін сілтеме материалдарын қолдайтынын сипаттайды, ал Alibaba Cloud өнім парағы кескіндер, мәтін, бейне, аудио, құжаттар және веб-беттерді шығармашылық сілтемелер ретінде біріктіру мүмкіндігін ерекше атап өтеді.
Бұл Wan 3.0-ді қарапайым prompt-to-video генераторынан гөрі мультимодальды шығармашылық өндіріс қозғалтқышына ұқсатады.
Wan 3.0 негізгі мүмкіндіктері
- Нативті 30 секундтық бейне генерациясы: Wan 3.0 бір өтуде 30 секундқа дейін бейне жасай алады, ақылды ұзақтықты таңдау және бейнені ұзарту мүмкіндіктерімен.
- Omni-Reference: Мәтін, кескіндер, бейне және аудио сілтемелер ретінде біріктірілуі мүмкін. Wan 3.0 сондай-ақ құжаттар мен веб-беттерге негізделген генерацияға кеңейтеді.
- Құжаттан-бейне: PPT, PDF, DOC, XLS, TXT, KEY, PAGES, NUMBERS және MD файлдары шығармашылық енгізу ретінде қолданылып, презентациялар, есептер және құрылымдалған ақпаратты бейне контентке айналдыруға мүмкіндік береді.
- Нативті аудио-визуал генерация: Wan 3.0 бейне мен дыбысты бірге жасай алады, диалогты, қоршаған орта дыбысын және музыкаға бағдарланған аудио-визуал көріністерді қолдайды.
- Сілтеме сәйкестігі: Модель сілтеме негізіндегі генерациялар барысында кейіпкерлерді, реквизиттерді, орталарды, кеңістіктік қатынастарды және стильдерді сақтауға арналған.
- Бейне өңдеу: Wan 3.0 әрбір итерацияны нөлден бастауға мәжбүрлемей, жасалған визуалды контентті, сюжет пен диалогты өзгертуге мүмкіндік береді.
Wan 3.0 басқа бейне модельдерімен салыстыру
| Модель | Нативті ұзақтық | Кескіннен-бейнеге | Сілтеме бақылауы | Аудио | Құжат/веб енгізуі | Басты артықшылық |
|---|---|---|---|---|---|---|
| Wan 3.0 | 30s | ✓ | Күшті | ✓ | ✓ | All-in-one мультимодальды өндіріс |
| Wan 2.7 | 15s | ✓ | ✓ | ✓ | Шектеулі | Дәстүрлі Wan бейне жұмыс ағындары |
| Grok Imagine Video 1.5 | Up to 15s | ✓ | ✓ | ✓ | — | Жылдам қысқа форматты креативті бейне |
| Veo | Модельге тәуелді | ✓ | ✓ | ✓ | Мультимодальды | Кинематографиялық генерация |
| Kling | Модельге тәуелді | ✓ | ✓ | ✓ | — | Кейіпкер мен қозғалыс генерациясы |
| Seedance | Модельге тәуелді | ✓ | ✓ | ✓ | — | Креативті және көпкадрлы бейне |
Негізгі айырмашылық — енгізу ауқымы.
Grok Imagine Video 1.5-пен салыстырғанда, Wan 3.0 all-in-one өндірістік жұмыс ағынына әлдеқайда жақын. Grok мәтін, кескін және сілтеме жұмыс ағындарымен қысқа бейнелерге шоғырланса, Wan 3.0 бұдан бөлек құжаттар, веб-беттер, аудио және бейнені тікелей шығармашылық сілтемелер ретінде енгізеді.
Wan 2.7-пен салыстырғанда ең үлкен архитектуралық/өнімдік өзгеріс — бірізді мультимодальды жұмыс ағынына көшу және 30 секундтық нативті генерация шегі, ал бұрынғы буын қысқартақ клиптермен шектелген. Alibaba Cloud-тың қазіргі Wan 3.0 материалдары модельді ұзақ формадағы баяндау мен Omni-Reference генерациясының айналасына айқын орналастырады.
Kling және Veo-мен салыстырғанда, Wan 3.0-дің ең күшті айырмашылығы әрбір кадрдың сапасы міндетті түрде жақсы болуында емес. Керісінше, көптеген бастапқы материалды біріктіріп, сол ақпаратты ұзақ генерация бойы сақтай алуында.
Енгізу жай ғана "мына prompt-ты жазып, кинематографиялық клип жаса" деген қолданбалар үшін басқа модельдер бәсекеге қабілетті болып қала береді. Ал жұмыс ағыны "міне өнім кескіні, кейіпкер сілтемесі, PDF, кесте, аудио үлгі және шығармашылық бриф — бұлардың бәрін біртұтас бейнеге айналдыр" деген жағдайларда Wan 3.0 әлдеқайда тартымды болады.
Wan 3.0 үшін өкілдік қолдану сценарийлері
1. AI киножасау және оқиға өндірісі
Бір генерацияда 30 секунд жасау мүмкіндігі көптеген қысқа клиптерді біріктірусіз, үздіксіз камера қозғалысын, диалог пен бірнеше әрекеттерді талап ететін көріністер үшін пайдалы.
2. Өнім жарнамасы
Өнім кескіні немесе сілтемелер жинағы режиссерлік стильдегі prompt-пен біріктіріліп, өнім демонстрацияларын, UGC жарнамаларын және кинематографиялық бренд бейнелерін жасауға болады.
3. Презентациядан-бейнеге генерация
Wan 3.0 PPT, PDF, DOC, XLS және басқа да қолдау көрсетілетін құжат форматтарын өңдей алады, бұл есептерді, презентацияларды және құрылымдалған ақпаратты визуалды баяндауларға айналдыруға мүмкіндік береді.
4. Кейіпкер сәйкестігі сақталған бейне
Сахна жасамас бұрын кейіпкерлерді, объектілерді және орталарды белгілеу үшін сілтеме кескіндер, бейнелер және басқа медиа қолданылуы мүмкін.
5. Әлеуметтік желі контенті
30 секундтық ұзақтық және тік 9:16 қатынас Wan 3.0-ді қысқа форматтағы әлеуметтік контент, жарнамалар және баяндау клиптері үшін қолайлы етеді.
6. Бейне өңдеу және итерация
Wan 3.0 бұрын жасалған контентті, соның ішінде визуалды элементтерді, сюжет мазмұнын және диалогты өзгерте алады, бұл итеративті шығармашылық жұмыс ағындарын іске асырады.
Wan 3.0 API параметрлері
Ресми API асинхронды бейне генерациялау endpoint-ін қолданады. Жеңілдетілген сұрауда model, input және parameters объектілері бар.
Маңызды параметрлер:
| Параметр | Сипаттама |
|---|---|
| model | wan3.0-video |
| input.prompt | Режиссерлік стильдегі генерация нұсқауы |
| input.media | Сілтеме кескіндері, бейнелері, аудио, файлдар немесе веб-ресурстар |
| parameters.resolution | 480P, 720P, 1080P |
| parameters.ratio | adaptive, 16:9, 4:3, 1:1, 3:4, 9:16 |
| parameters.duration | 2–30 seconds; -1 enables smart duration |
| parameters.audio | Аудиожолды қосу-қоспау |
| parameters.seed | Қайталануды қамтамасыз ететін кездейсоқтық тұқымы |
| parameters.watermark | Сутаңба қосу-қоспау |
Ресми құжаттамаға сәйкес, егер бейне енгізуі берілмесе, ұзақтық 2-ден 30 секундқа дейінгі бүтін сан болуы мүмкін. Егер бейне енгізуі берілсе, кіріс пен шығыс ұзақтығы бірге қолдау көрсетілетін жалпы ұзақтық шегінде қалуы тиіс.
CometAPI арқылы Wan 3.0 API-ін пайдалану тәсілі
Бірнеше AI бейне моделін қолданатын әзірлеушілер үшін CometAPI Wan 3.0-мен өзге бейне генерация модельдерін қатар сынауға арналған бірыңғай қолжеткізу қабаты бола алады.
Әдеттегі жұмыс ағыны:
- CometAPI тіркелгісін жасаңыз немесе жүйеге кіріңіз.
- CometAPI API кілтін алыңыз.
- Wan 3.0 модель endpoint-ін таңдаңыз.
- Мәтіннен-бейнеге, кескіннен-бейнеге немесе сілтеме негізіндегі генерация сұрауын жіберіңіз.
- Ажыратымдылықты, ұзақтығын, жақ қатынасын және басқа қолдау көрсетілетін параметрлерді көрсетіңіз.
- Асинхронды генерация тапсырмасын бақылаңыз.
- Өңдеу аяқталған кезде жасалған бейнені алыңыз.
Дәл CometAPI endpoint-і және қолдау көрсетілетін параметрлерді іске асыру алдында ағымдағы CometAPI Wan 3.0 интеграциясымен тексеру керек, әсіресе Alibaba-ның жоғары бағыттағы API-і әлі де preview күйінде болғандықтан.