Alibaba ra mắt mô hình tạo video Wan 3.0: Biến tài liệu và slide thành video chuyên nghiệp

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

07-08-2026 11:23:54 Nguồn: QbitAI

Ngày 6 tháng 8, mô hình lớn tạo video Wan 3.0 của Alibaba chính thức mở bản dùng thử công khai.

Ngày 6 tháng 8, mô hình lớn tạo video Wan 3.0 của Alibaba chính thức mở bản dùng thử công khai với những nâng cấp toàn diện về thời lượng tạo, khả năng sáng tạo đa năng, tham chiếu toàn diện và tái hiện thế giới thực: có thể tạo video dài 30 giây trong một lần thực hiện, truyền tải trọn vẹn ý đồ sáng tạo; ngoài bốn phương thức cơ bản là văn bản, hình ảnh, âm thanh và video, mô hình lần đầu tiên hỗ trợ đầu vào từ các định dạng tài liệu như doc, xls, ppt, pdf, md; nỗ lực tái hiện chính xác thế giới thực – nhân vật đa dạng, mỗi khung hình đều đảm bảo tính chân thực và đáng tin cậy.

Việc mở rộng thời lượng tạo là nâng cấp trực quan nhất của Wan 3.0. Thời lượng 30 giây cho mỗi đoạn giúp nhịp điệu kể chuyện linh hoạt hơn, các ngôn ngữ điện ảnh phức tạp như chuyển cảnh liên tục hay quay một cú máy (one-shot) được thể hiện đầy đủ, đưa video AI từ việc "tạo một cảnh quay" tiến tới "kể một câu chuyện hoàn chỉnh". Wan 3.0 còn có tính năng thời lượng thông minh, tự động đề xuất thời lượng phù hợp dựa trên câu lệnh (prompt).

Wan 3.0 đang chuyển mình từ một mô hình tạo video thành phương tiện truyền tải thông tin, không chỉ sử dụng văn bản, hình ảnh, âm thanh, video làm tham chiếu toàn diện mà còn có thể đọc các thông tin có cấu trúc như tài liệu, ppt, từ đó kết hợp với câu lệnh để tạo ra các bài giảng, video giới thiệu sản phẩm, báo cáo công việc, v.v. Các định dạng được hỗ trợ bao gồm doc, xls, ppt, pdf, md, với mỗi tệp hoặc liên kết không quá 100MB và 50 trang. Ví dụ, khi tải lên một tệp ppt về sản phẩm kính thông minh và thêm câu lệnh, người dùng có thể nhận được một video quảng bá hoàn chỉnh.

Đằng sau khả năng này là kỹ thuật prompt và năng lực tuân thủ chỉ dẫn mạnh mẽ của mô hình, biến câu lệnh thành trung tâm điều phối đầu vào và kiểm soát cách thể hiện.

Các mô hình tạo video đang nâng cấp từ công cụ tạo nội dung thành công cụ năng suất, nơi người dùng không chỉ yêu cầu hình ảnh sắc nét mà còn phải chân thực. Dù là cảnh thực tế hay thông tin kỹ thuật số, Wan 3.0 đều nỗ lực tái tạo và trình bày một cách chính xác. Nhân vật trong video được tạo ra đảm bảo sự "đa dạng, khác biệt", khắc họa chi tiết ngũ quan và làn da sắc nét hơn, biểu cảm nhân vật tự nhiên, tiết chế, với sự liên kết chặt chẽ giữa vi biểu cảm và cử động cơ thể. Trong các tác vụ tham chiếu toàn diện, các khía cạnh chi tiết như nhân vật, đạo cụ, âm thanh, quan hệ không gian và phong cách đều được duy trì ổn định. Thẩm mỹ hình ảnh của các thông tin kỹ thuật số cũng được nâng cấp đồng bộ, giúp biểu đồ, dữ liệu và nội dung giao diện có chất lượng hình ảnh tốt hơn.

Ngoài ra, khả năng chỉnh sửa video của Wan 3.0 cũng được cải thiện đáng kể, hỗ trợ sửa đổi khung hình, cốt truyện và lời thoại. Wan 3.0 vẫn còn dư địa để cải thiện về chất lượng âm thanh và độ chính xác của văn bản.

Kể từ hôm nay, Wan 3.0 mở bản dùng thử công khai trên các nền tảng: Alibaba Cloud Bailian, Wan Jing Yi Ke, trang web chính thức của Wanxiang, phiên bản PC của Qianwen, IF STUDIO và Duiyou, đồng thời được mở quyền truy cập thử nghiệm (gray release) trên ứng dụng Qianwen. Giá API cho các độ phân giải 480P/720P/1080P lần lượt là 0,3/0,6/1,2 Nhân dân tệ/giây, giao diện API sẽ sớm được mở toàn diện trong thời gian tới.

Bài viết này do Alibaba Cloud cung cấp, QbitAI được ủy quyền đăng tải lại, quan điểm thuộc về tác giả gốc.

Bản quyền thuộc về tác giả, không được phép sao chép và sử dụng dưới mọi hình thức khi chưa được ủy quyền, mọi hành vi vi phạm sẽ bị xử lý theo quy định.