Alibaba hat am Montag Wan3.0 auf den Markt gebracht und damit den Zugang zu seinem neuesten Videogenerierungsmodell ausgeweitet, während das Unternehmen seine Ausgaben für künstliche Intelligenz erhöht.
Das Modell kann laut Alibaba Cloud in einem einzigen Durchlauf bis zu 30 Sekunden lange Videos aus Texten, Bildern, Audiodateien, bereits vorhandenen Videos und Dokumenten wie PDFs, Präsentationen, Tabellenkalkulationen und Webseiten generieren. Reuters berichtete, dass das Modell seit Beginn der öffentlichen Beta am 6. Aug. bereits in der Werbung, bei Kurzdramen, der Tourismuswerbung und der Musikvideoproduktion eingesetzt wurde.
Für Marketing-, Kommunikations- und Schulungsteams könnte die Unterstützung von Dokumenten den Aufwand verringern, der nötig ist, um vorhandenes Geschäftsmaterial in Videoinhalte umzuwandeln.
Wan3.0 verdoppelt die 15-Sekunden-Grenze seines Vorgängers Wan2.7, und unterstützt Auflösungen von bis zu 1080p. Alibaba zufolge kann Wan3.0 Figuren, Objekte, Hintergründe und räumliche Anordnungen während eines gesamten Clips beibehalten und dabei synchronisierte Gesichtsausdrücke sowie mehrsprachige Sprachausgabe erzeugen. Diese Fähigkeiten wurden bislang nicht unabhängig überprüft.
Die Möglichkeit, Geschäftsdokumente zu verarbeiten, könnte zu den kommerziell nützlichsten Funktionen von Wan3.0 gehören.
Statt ein Videoskript und visuelle Inhalte von Grund auf zu erstellen, könnte ein Marketing- oder Kommunikationsteam eine Präsentation, ein PDF oder eine Tabelle bereitstellen und das Modell nutzen, um diese Informationen in Videoinhalte umzuwandeln. Damit ist Wan3.0 neben seinen kreativeren Einsatzmöglichkeiten fest im Markt für die Erstellung von Unternehmensinhalten positioniert.
Auch die Preisgestaltung des Modells eröffnet Alibaba eine weitere Möglichkeit, sich im Wettbewerb zu behaupten. Wan3.0 kostet 5 Cent pro Sekunde für Videos in 480p, 10 Cent für 720p und 20 Cent für 1080p. Googles Standardtarif von Veo 3.1 kostet im Vergleich 40 Cent pro Sekunde.
Gleichzeitig lässt der Preis allein keine Rückschlüsse darauf zu, welches Modell bessere Ergebnisse liefert, und The Next Web stellte fest , dass Wan3.0 bislang nicht unabhängig einem Benchmark-Test unterzogen wurde.
Alibabas größere KI-Wette
Der Start folgt auf Alibabas gemeldeten Aktienverkauf im Wert von 10 Milliarden US-Dollar und erfolgt eine Woche, nachdem das Unternehmen einen Rückgang des Quartalsgewinns um 75 % gemeldet hatte. Die Investitionsausgaben stiegen in diesem Zeitraum um 75 % auf 67,68 Milliarden Yuan (etwa 10,07 Milliarden US-Dollar), während Alibaba weiter massiv in KI-Infrastruktur investierte. Alibaba meldete, dass der Umsatz mit Cloud- und KI-Produkten im Juni-Quartal um 45 % auf 44,84 Milliarden Yuan gestiegen sei.
Die Abfolge – zunächst Milliarden aufbringen und dann umgehend ein neues Produkt auf den Markt bringen – ist Alibabas Art, den Investoren zu zeigen, dass die KI-Ausgaben konkrete Ergebnisse hervorbringen, statt von ihnen zu verlangen, dies einfach zu glauben. Das Unternehmen hat außerdem über drei Jahre 380 Milliarden Yuan (etwa 56,5 Milliarden US-Dollar) für KI-Infrastruktur zugesagt.
Wie es weitergeht
Wan3.0 wirkt weniger wie ein reines kreatives Experiment und eher wie ein Produktivitätstool für Unternehmen. Die Fähigkeit, Dokumente und Präsentationen zu verarbeiten, könnte Alibaba bei Marketing-, Kommunikations- und Schulungsteams eine Chance eröffnen, die schnell Videos benötigen, ohne ganz von vorn anfangen zu müssen.
Der Kompromiss besteht beim Zugang. Eine breitere API-Verfügbarkeit wird weiterhin schrittweise eingeführt, während der auf Endverbraucher ausgerichtete Dienst wan.video als Plattform exklusiv für Mitglieder geplant ist. Außerdem hält Alibaba die Gewichte von Wan3.0 unter Verschluss und weicht damit von seinem früheren Ansatz ab, Wan-Modelle als Open Source zu veröffentlichen.
Damit ist Wan3.0 ein wichtiger Test dafür, ob Alibaba seine sich rasch verbessernden KI-Fähigkeiten in ein profitables kommerzielles Geschäft verwandeln kann – insbesondere nachdem das Unternehmen Hunderte Milliarden Yuan für KI-Infrastruktur zugesagt hat.
Mehr lesen: Googles Veo 3.1 verwandelt Fotos in Videos, und bietet damit einen weiteren Einblick, wie große KI-Anbieter beim Wettbewerb um Fähigkeiten zur Videogenerierung vorgehen.