Alibaba lanza Wan3.0, un modelo de IA para generar vídeos

Alibaba presenta Wan3.0, su modelo de generación de vídeo que dobla la duración anterior y ofrece mejor precio que competidores como Google Veo 3.1.

Alibaba acaba de anunciar Wan3.0, su nuevo modelo "todo en uno" de vídeo por referencia (texto a vídeo e imagen a vídeo) que genera clips de hasta 30 segundos y puede utilizar documentos, diapositivas, hojas de cálculo y páginas web para crearlos, doblando la duración del anterior modelo Wan2.7.

El modelo alcanza resoluciones de 480p, 720p y 1080p y ha sido anunciado tras el lanzamiento de una colocación de acciones por valor de 10.000 millones de dólares para financiar el creciente gasto en IA.

Wan3.0, además de aceptar la entrada de texto, imágenes, audio y vídeo, permite subir documentos, hojas de cálculos, diapositivas y páginas web, lo que abre una nueva vertiente en la generación de vídeo no solo para profesionales del vídeo como cineastas o videógrafos, sino para especialistas en marketing o comunicación.

Alibaba señala que la generación de vídeo de Wan3.0 es perfecta para contenido dedicado para redes sociales, dramas cortos y la simulación de entrenamiento para vehículos autónomos y robots.

El precio es uno de los aspectos más llamativos de Wan3.0. El coste en 1080p es de 0,20 dólares por segundo (12 dólares por minuto) frente a los 0,40 de Google Veo 3.1, es decir, que generar vídeo en la calidad estándar de Google cuesta el doble.

En resoluciones menores para previsualizaciones o borradores a 480p o 720p, el coste en Wan3.0 es el mismo que Veo 3.1 con 0,05 dólares por segundo. A resolución 720p, Wan3.0 se queda en los 0,10 dólares por segundo cuando hay que pagar 0,15 dólares por Veo 3.1 Fast, lo que supone que un vídeo de 5 segundos cueste 0,50 dólares y 0,75 dólares respectivamente.

Wan3.0, disponible ya en beta abierta, permite el uso de hasta 30 recursos de referencia y ofrece mejora en realismo, textura visual y diseño de sonido para crear un mayor impacto audiovisual. Además, ofrece edición de vídeo tanto con prompts como basado en referencias para potenciar la eficiencia creativa del usuario o profesional del vídeo.