「Alibaba Cloud」公式アカウントは本日（6日）夜、アリババの新世代動画生成モデルWan3.0のベータ公開を開始すると発表しました。
Wan3.0は生成時間、万能クリエイティブ、総合リファレンス、リアリティなどの面で全面的に進化し、1回で30秒の動画を生成して創作意図を完全に表現できます。テキスト、画像、音声、動画の4つの基本モダリティに加え、doc、xls、ppt、pdf、mdなどのドキュメント形式の入力にも初めて対応し、「あらゆるものを動画化できる」とうたっています。
Wan3.0は1本30秒の動画生成に対応し、より大きな創作の自由度を実現します。連続したカメラワークやワンカット撮影など、複雑な映像表現を十分に表現でき、「1つのショットを生成する」段階から「完全なストーリーを語る」段階へと進化しました。
さらにWan3.0はスマート動画長機能にも対応し、プロンプトに応じて適切な長さを自動で推奨します。動画延長機能と組み合わせれば、ストーリーや展開を広げ、アイデアを自然に発展させることもできます。
Wan3.0はテキスト、画像、音声、動画の総合リファレンスに対応するだけでなく、ドキュメント、表計算、ウェブページなどの構造化情報も読み取れます。プロンプトと組み合わせることで、教材、製品デモ、動的グラフ、業務報告などを生成でき、大量の業務素材をそのまま動画に変換できることを意味します。
対応する入力形式はdoc、xls、ppt、pdf、txt、key、pages、numbers、mdで、入力できるファイルまたはリンクは1つまでです。ファイルサイズは100MB以下、ページ数は50ページ以下に制限されています。
また、AI生成人物の不自然さや画一性をなくすため、Wan3.0のテキスト動画生成モードの人物表現は「一人ひとり異なる個性」を目指しています。顔のパーツや肌の細部をより鋭敏に描写し、人物の感情表現は自然で抑制が効いており、微表情と身体動作も連動します。群像シーンでも、人物ごとの複雑な感情を繊細に表現できます。
総合リファレンスタスクでは、Wan3.0は参照素材の細部を正確に再現し、キャラクター、小道具、音声、空間関係、スタイルなどの重要な要素の一貫性を維持できます。キャラクターについては、顔のパーツ、髪型や髪色、体型、衣装、アクセサリーなどの細かな特徴を安定して保持し、没入感を損ないません。小道具については、多角度から見た外観、ハードウェア構造、ロゴ、素材の細部を安定して維持します。シーンについては、キャラクターの立ち位置とカメラ位置・視点の関係を正確に処理します。スタイルについては、映画撮影のトーンを正確に再現し、複数のスタイルを用いた制作でもスタイルが混同されにくくなっています。
本日より、Wan3.0はAlibaba Cloud百錬、万鏡一刻、万相公式サイト、千問クリエイティブPC版でベータ公開を開始し、千問アプリでは段階的に提供されます。480P/720P/1080PのAPI料金はそれぞれ0.3/0.6/1.2元/秒で、APIは近日中に全面公開される予定です。
体験URL：
Alibaba Cloud百錬： https://bailian.console.aliyun.com/cn-beijing ?tab=model# /model-market/detail/wan3.0-video
万鏡一刻： https://www.yikeai.com/
万相公式サイト： http://wanxiang.aliyun.com
千問クリエイティブPC版： https://c.qianwen.com/
IF STUDIO： https://ifs.iconfont.cn/
堆友： https://d.design/