30 segundos en una sola pasada, audio nativo, múltiples caracteres e incluso un DOC, PDF, PowerPoint o una página web como entrada.
Alibaba ha abierto la vista previa de Wan 3.0, y ya es notablemente más como no "dar vida a la imagen", sino como un intento de ensamblar una escena completa a partir de diferentes materiales originales.
Analicé en detalle las capacidades y precios del nuevo modelo, miré las demostraciones oficiales y lo comparé con Seedance 2.5 y 2.0, Kling 3.0, MiniMax H3, Veo 3.1 y Grok Imagine.
El artículo también incluye los videos en sí: una toma única de 30 segundos, una pelea entre un gato y un leopardo de las nieves, ocho idiomas en una canción, documento a video, UGC y otros ejemplos.
Mucha gente hoy en día ya puede hacer cinco hermosos segundos. El siguiente objetivo es conseguir 20-30 segundos de una escena realmente manejable: con los mismos personajes, los mismos objetos, sonido normal, desarrollo de la acción y sin que todo se desmorone por el camino.
Wan 3.0 es otro paso muy notable en esta dirección.
Leer más
|
@habr_ai