Alexis· נכתב על ידי בינה מלאכותית, נבדק על ידי אדםAlibaba Wan 2.7: איך מצב החשיבה משנה את יצירת וידאו ב-AI
Alibaba שחררה את Wan 2.7 עם מצב חשיבה חדשני שמתכנן קומפוזיציות לפני יצירת הווידאו. מסבירים איך זה עובד ומה זה אומר ליוצרים.
מה זה מצב חשיבה?
רוב מודלי יצירת הווידאו עובדים במעבר אחד. מקלידים פרומפט, המודל מתחיל להפוך רעש לפיקסלים, ומקבלים מה שיוצא. זה עובד סביר לסצנות פשוטות, אבל מתפרק כשהפרומפט כולל מספר נושאים, יחסים מרחביים ספציפיים, או פעולות מורכבות.
Wan 2.7 מוסיף שלב ביניים. לפני שנוצר אפילו פיקסל אחד, המודל:
- מפרסר את הפרומפט לרכיבים סמנטיים (נושאים, פעולות, סביבה, תאורה)
- מתכנן את הקומפוזיציה על ידי קביעת מיקום האלמנטים ואופן האינטראקציה ביניהם
- מייצר את הפלט תוך שימוש בתוכנית הזו כמדריך מבני
זה דומה לאופן שבו "שרשרת חשיבה" שיפרה מודלים של שפה גדולים. כשמכריחים את המודל לחשוב לפני שהוא פועל, איכות הפלט משתפרת דרמטית, במיוחד לפרומפטים מורכבים.
חבילת Wan 2.7 המלאה
Wan 2.7 זה לא מודל בודד. הוא מגיע כחבילה של ארבעה מודלים שמכסים תהליכי יצירה שונים:
| מודל | קלט | פלט | הכי טוב ל- |
|---|---|---|---|
| טקסט-לווידאו | פרומפט טקסט | קליפ וידאו | יצירה מאפס |
| תמונה-לווידאו | תמונה + פרומפט | קליפ וידאו | אנימציה של תמונות, קונספט ארט |
| רפרנס-לווידאו | וידאו רפרנס + פרומפט | וידאו חדש | העברת סגנון, יצירה מחדש |
| עריכת וידאו | וידאו + הוראות עריכה | וידאו ערוך | פוסט-פרודקשן, תיקונים |
מודל הטקסט-לווידאו כבר זמין ב-Together AI מה-3 באפריל. שלושת המודלים הנותרים נפרסים בהדרגה בשבועות הקרובים.
מתחת למכסה: תובנות ארכיטקטורה
למרות ש-Alibaba עדיין לא פרסמה מאמר מלא, כמה פרטים טכניים צצו מתיעוד ה-API ובנצ'מרקים מוקדמים.
| מה ידוע | מה מייחד אותו |
|---|---|
| בנוי על שושלת ארכיטקטורת Wan (Wanxiang) | מודל הפרודקשן הראשון עם תכנון קומפוזיציוני מפורש |
| מצב חשיבה מוסיף מעבר תכנון לפני הדיפוזיה | סצנות מרובות אלמנטים מטפלות ב-5+ נושאים בצורה נקייה |
| עקביות שדמויות היפר-ריאליסטית בין פריימים | טקסט שנוצר בווידאו קריא, לא מעוות |
| שליטה מדויקת בצבע דרך conditioning של הפרומפט | דיוק הצבע נשמר עקבי גם בשינויי תאורה |
| רינדור טקסט ארוך מעולה (טקסט בווידאו) | תנועות מצלמה מורכבות שומרות על קוהרנטיות מרחבית |
יכולת רינדור הטקסט הארוך בולטת במיוחד. מודלים קודמים התקשו לייצר טקסט קריא בתוך פריימים של וידאו. Wan 2.7 מטפל בשלטים, תוויות, ואפילו פסקאות קצרות ברמת דיוק מפתיעה. ליוצרים שצריכים שכבות טקסט מוטמעות בפוטאז' שנוצר, זה צעד משמעותי קדימה.
בנצ'מרק מול המתחרים
תחום הווידאו ב-AI השתנה משמעותית השבוע, עם הגעת Wan 2.7 בדיוק כש-OpenAI אישרה את סגירת Sora ו-Google הורידה את המחירים של Veo 3.1.
| מודל | תמחור | אודיו | אורך מקסימלי | עקביות דמויות | חשיבה/תכנון |
|---|---|---|---|---|---|
| Wan 2.7 | $0.10/שנ | לא | ~10 שנ | חזק | כן |
| Veo 3.1 Lite | $0.05/שנ | כן | ~8 שנ | טוב | לא |
| Veo 3.1 Fast | $0.12/שנ | כן | ~8 שנ | חזק | לא |
| Kling 3.0 | ~$0.08-0.17/שנ | כן | ~10 שנ | חזק | לא |
| Seedance 2.0 | חבילה | כן | 15 שנ | טוב | לא |
| Runway Gen-4.5 | ~$0.15/שנ | לא | ~10 שנ | חזק | לא |
התמחור של $0.10 לשנייה מציב את Wan 2.7 בשכבה התחרותית הבינונית. הוא כפול מאופציית ה-Lite החסכונית של Google, תחרותי מול Kling 3.0 (שמשתנה לפי פלטפורמה), וזול משמעותית מ-Runway.
מתי להשתמש ב-Wan 2.7
בהתבסס על בדיקות מוקדמות ועל החוזקות של המודל, הנה התרחישים שבהם Wan 2.7 הכי הגיוני:
סצנות מורכבות עם מספר נושאים
תוכן עתיר טקסט
שליטה מדויקת בצבע וסגנון
העברת סגנון דרך רפרנס
לסצנות פשוטות יותר עם נושא בודד שגם צריכות אודיו, מודלים כמו Kling 3.0 או Veo 3.1 עשויים עדיין להיות הבחירה הטובה יותר. התקורה של התכנון במצב חשיבה מוסיפה ערך ספציפית כשהפרומפטים מורכבים.
מה זה אומר לתעשייה
מצב החשיבה של Wan 2.7 מצביע על שינוי רחב יותר באופן שבו מודלים גנרטיביים יעבדו. במקום לדחוף פלטים מרעש בכוח, מודלים עתידיים כנראה ישלבו שלבי תכנון מפורשים להיבטים שונים של היצירה.
אנחנו כבר רואים את הדפוס הזה בתחומים אחרים. מודלים ליצירת קוד מתכננים לפני שכותבים. מודלים לתמונות משתמשים ב-layout conditioning. עכשיו מודלים של וידאו לומדים לחשוב לפני שהם יוצרים.
הלחץ התחרותי אמיתי. עם יציאת Sora מהשוק, Google שמורידה מחירים, ומודלים סיניים כמו Wan 2.7 ו-Kling 3.0 שדוחפים את גבולות האיכות, ליוצרים מעולם לא היו יותר אפשרויות, או יותר סיבות להישאר גמישים.
למבט מעמיק יותר על ההשוואה בין המודלים בבנצ'מרקים ספציפיים, קראו את הניתוח שלנו על ביצועי Runway Gen-4.5. ואם מעניין אתכם איך ההשקה של Seedance 2.0 משנה את האקוסיסטם של CapCut, כיסינו את זה בפירוט בחודש שעבר.
מהנדס בינה מלאכותית מלוזאן המשלב עומק מחקרי עם חדשנות מעשית. מחלק את זמנו בין ארכיטקטורות מודלים לפסגות האלפים.
View profile →מאמרים קשורים
המשיכו לגלות עם הפוסטים הקשורים האלה
וידאו AI אחרי Sora: 4 רמות שוק שכדאי להכיר ב-2026
Sora נסגרת ב-26 באפריל. שוק וידאו ה-AI התארגן לארבע רמות. מדריך מעשי לבחירת אלטרנטיבת Sora הנכונה לצרכים שלך.
Google Veo 3.1 הפך לחינמי: 10 סרטוני AI בחודש לכל חשבון Google
Google פתחה את Veo 3.1 לכל החשבונות האישיים עם 10 יצירות וידאו חינמיות בחודש. הנה מה שמקבלים, מה המגבלות, ולמה זה חשוב ליוצרי וידאו AI.
Google Veo 3.1 Lite: יצירת וידאו AI בעלות נמוכה מגיעה ל-Gemini API
Google שחררה את Veo 3.1 Lite, מודל מהיר וזול ליצירת וידאו AI בתוך Gemini API. הנה מה שמפתחים צריכים לדעת על תמחור, פשרות באיכות, ובניית וידאו לאפליקציות פרודקשן.