อาลีบาบา เปิดตัว Wan2.7-Video โมเดล AI สร้างวิดีโอครบวงจรที่ให้ผู้ใช้ควบคุมทุกองค์ประกอบของงานด้วยคำสั่งภาษาธรรมชาติ ตั้งแต่การสร้าง แก้ไข ตัดต่อ ไปจนถึงกำกับมุมกล้อง เสมือนเป็นผู้กำกับมืออาชีพโดยไม่ต้องมีทีมงานหลังบ้าน พร้อมให้บริการบน Model Studio ของ Alibaba Cloud แล้ววันนี้
ก้าวนี้ไม่ใช่แค่การอัปเกรดเครื่องมือ AI แต่คือการเปลี่ยนโครงสร้างการทำงานของครีเอเตอร์ทั้งระบบ จากเดิมที่ AI ช่วยสร้างเฉพาะชิ้นส่วนย่อย มาเป็นการควบคุมกระบวนการผลิตวิดีโอทั้งหมดในที่เดียว
4 โมเดลย่อย ครอบคลุมทุกขั้นตอนการผลิต
Wan2.7-Video ประกอบด้วย 4 โมเดลในชุดเดียวกัน ได้แก่ Wan2.7-t2v สร้างวิดีโอจากข้อความ, Wan2.7-i2v สร้างวิดีโอจากภาพ, Wan2.7-r2v สร้างวิดีโอโดยอ้างอิงจากวิดีโอต้นแบบ และ Wan2.7-videoedit ตัดต่อวิดีโอที่มีอยู่แล้ว ทั้ง 4 โมเดลรับอินพุตได้ทั้งข้อความ ภาพ วิดีโอ และเสียงในระบบเดียวกัน
จุดที่แตกต่างจากเครื่องมือ AI วิดีโอทั่วไป สามารถแก้ปัญหาความไม่ต่อเนื่องระหว่างช็อต ซึ่งเป็นอุปสรรคหลักของการสร้างวิดีโอเรื่องยาวด้วย AI มาตลอด ระบบรองรับวิดีโอความยาว 2–15 วินาทีต่อช็อต ในความละเอียด 720p และ 1080p พร้อม API สำหรับงานองค์กรที่รองรับ batch processing และปรับ workflow ได้ตามต้องการ
ควบคุมงานระดับผู้กำกับ ด้วยคำสั่งภาษาธรรมชาติ
ความสามารถที่โดดเด่นที่สุด คือระบบตัดต่อและกำกับด้วยภาษาธรรมชาติที่ลดต้นทุนงานหลังบ้านได้อย่างมีนัย ผู้ใช้สามารถปรับเปลี่ยนทุกองค์ประกอบในวิดีโอได้โดยตรง ไม่ว่าจะเป็นการกระทำของตัวละคร บทพูด รูปลักษณ์ ฉาก สไตล์ และรูปแบบการถ่ายทำ
ฟีเจอร์ที่น่าสนใจโดยเฉพาะคือการแก้บทพูดแบบไดนามิก เมื่อผู้ใช้แก้ไขบทสนทนา ระบบจะซิงก์การขยับริมฝีปากโดยอัตโนมัติ พร้อมรักษาเอกลักษณ์น้ำเสียงของตัวละครเดิมไว้ ซึ่งตอบโจทย์งาน localization และ dubbing ได้อย่างตรงจุด
นอกจากนี้ โมเดลยังรองรับการกำหนดการเคลื่อนกล้องหลายสิบรูปแบบ ทั้งพื้นฐานและซับซ้อน รักษาความสม่ำเสมอของแสงตลอดซีเควนซ์ และรองรับอินพุตแบบ multimodal เช่น ใช้คลิปเสียงเพื่อเปลี่ยนสภาพอากาศในฉาก หรือใช้ภาพหลายเฟรมเพื่อกำหนดทิศทางเรื่องและการจัดวางตัวละคร
Narrative Engine สร้างสตอรี่บอร์ดจาก Prompt เดียว
กลไกเล่าเรื่องของ Wan2.7-Video เป็นหนึ่งในความสามารถที่เปลี่ยนวิธีทำงานของครีเอเตอร์อย่างชัดเจน ผู้ใช้สามารถป้อน prompt เพียงครั้งเดียว แล้วระบบจะสร้างสตอรี่บอร์ดที่สมบูรณ์พร้อมโครงสร้างระดับมืออาชีพ รวมถึงการเปลี่ยนผ่านฉากที่แม่นยำ การเคลื่อนกล้องแบบ FPV (first-person view), drone dives, orbital shots 360 องศา และการจัดแสงที่ปรับตามบริบทของฉาก
ระบบรักษาความต่อเนื่องของตัวละครได้สูงสุด 5 ตัวพร้อมกัน โดยกำหนดโทนเสียงและอัตลักษณ์ภาพเฉพาะให้แต่ละตัวละคร ท่ามกลางการดำเนินเรื่องที่ซับซ้อน รองรับการผสมผสานสไตล์กว่าพันรูปแบบ และการแสดงอารมณ์มากกว่า 50 รูปแบบสำหรับผลลัพธ์การแสดงที่สมจริง
กลไก video continuation ยังช่วยให้ผู้ใช้กำหนดเฟรมสุดท้ายของแต่ละช็อตได้เอง เพื่อให้การเปลี่ยนฉากลื่นไหลและลดปัญหาภาพหยุดชะงักกะทันหัน ซึ่งเป็นปัญหาที่พบบ่อยในงาน AI วิดีโอทั่วไป
Wan2.7-Image ระบบสร้างภาพที่ควบคุมสีได้ระดับ HEX
เพียงไม่กี่วันก่อนการเปิดตัว Wan2.7-Video อาลีบาบาได้เปิดตัว Wan2.7-Image โมเดลสร้างภาพที่แก้ปัญหาเรื้อรัง 2 จุดของงาน AI image generation ได้แก่ งานศิลป์ที่ซ้ำซาก และการแสดงผลสีที่ไม่แม่นยำ
ฟีเจอร์ ‘จานสี’ (color palette) ของโมเดลนี้สามารถจับคู่รหัสสีได้อย่างแม่นยำระดับ HEX เพื่อให้ภาพที่สร้างสอดคล้องกับ brand identity ของแต่ละองค์กร ขณะที่ระบบปรับแต่งตัวละครสามารถเข้าถึงรายละเอียดถึงระดับโครงสร้างกระดูกและรูปทรงดวงตา
ด้าน text rendering โมเดลนี้ใช้ context window ขนาด 3,000 โทเคน สร้างข้อความวิชาการ สูตรคำนวณ และตารางข้อมูลได้ใน 12 ภาษา ซึ่งเป็นช่องว่างที่โมเดลสร้างภาพส่วนใหญ่ยังทำได้ไม่ดี
Wan2.7-Image รองรับภาพอ้างอิงได้สูงสุด 9 ภาพ และสร้างผลลัพธ์ที่แตกต่างกันได้ 12 รูปแบบในการประมวลผลครั้งเดียว ช่วยลดเวลาในการผลิตสตอรี่บอร์ดและแคมเปญอีคอมเมิร์ซได้อย่างมีนัยสำคัญ นอกจากนี้ยังมีเวอร์ชัน Wan2.7-Image-Pro ที่ให้ความละเอียดระดับ 4K พร้อมการตีความ prompt ที่แม่นยำขึ้น
ทั้ง Wan2.7-Video และ Wan2.7-Image พร้อมให้บริการแล้วบน Model Studio ของ Alibaba Cloud, เว็บไซต์ทางการของ Wan และผสานอยู่ใน Qwen App การเปิดตัวต่อเนื่องทั้ง 2 โมเดลในช่วงเวลาไล่เลี่ยกันสะท้อนทิศทางชัดเจนของอาลีบาบาในการสร้างระบบนิเวศ AI มัลติมีเดียที่ครบวงจร สำหรับทั้งครีเอเตอร์รายบุคคลและการใช้งานระดับองค์กร
ติดตามข้อมูลข่าวสารน่าสนใจได้ทาง www.zanzab.com และช่องทางโซเชียล
Facebook , YouTube , Instagram และ Tiktok
