Wan 3.0 testi: Video üretimi, diyalog ve görüntü kalitesi

👁 115 okunma

Alibaba’nın Wan 3.0 modeli, Artificial Analysis’ın metinden videoya sıralamasında 1335 Elo puanıyla Gemini Omni Flash ve MiniMax H3’ün önünde. Tek üretimde sesli, 30 saniyeye kadar video oluşturabiliyor ve bir belgeyi filme dönüştürebiliyor. Testlere toplam 7,10 USD harcadım: diyalog, neon yazı, kesintisiz 30 saniyelik tek plan ve PDF’den film dâhil beş klip ürettim. Aşağıda başarılı ve başarısız sonuçların tümü var. AA sıralamasında Wan 3.0’ın hemen arkasında Utopai X yer alıyor. Karşılaştırma için: Utopai X, Wan 3.0 ve MiniMax H3 karşılaştırması.

Wan 3.0 testlerimden dört kare: Lehçe diyalog, Lehçe orijinalinde “SARI KAZ” anlamına gelen neon yazısı, 30 saniyelik plan ve kahve doldurma. 720p, düzenleme yapılmadı.

Wan 3.0 özellikleri ve fiyatı

Aynı ücret testlerimi yaptığım fal.ai’de de geçerli. Platformda ayrıca 720p’de saniyesi 0,14 USD olan, daha hızlı Wan 3.0 Prime seçeneği bulunuyor.

Video üretimi sıralaması: Wan 3.0 az farkla önde

İnsanların oylarına dayanan sıralamada Gemini Omni Flash’a karşı üç puanlık fark neredeyse beraberlik anlamına geliyor. İlginç bir ayrıntı: Dördüncü sıradaki HappyHorse da Alibaba’ya ait, ancak şirketin farklı bir birimi olan ATH tarafından geliştiriliyor. Aynı şirketin iki bağımsız ekibi ilk dörtte yer alıyor.

Test 1: Lehçe diyalog

İstemde yağmurlu bir akşamda Varşova’daki bir kafe tarif edildi ve Lehçe iki replik verildi: Kadın “Sensiz gitmeyeceğim. Duyuyor musun? Gitmeyeceğim.” diyor, erkek “Biliyorum.” diye karşılık veriyor. Bunlar, Lehçe yapılan özgün testteki repliklerin Türkçe çevirileridir; Türkçe yeniden test yapılmadı.

8 saniyelik klipten dört kare. Karakterler, masa, lamba ve pencerenin dışındaki yağmur boyunca tutarlı.

Ses kaydını Whisper ile yazıya döktüm. Sonuç: “Sensiz gitmeyeceğim, duyuyor musun? Gitmeyeceğim.” ve “Biliyorum.” replikleri kelimesi kelimesine doğruydu; konuşma dili %99 güvenle Lehçe olarak tanındı. Replikler istemdeki sırayla söylendi: İlki 0-4. saniyeler arasında, ikincisi 5. saniyede. Bu önemli bir avantaj: Seedance ile önceki çalışmalarımda Lehçe replikler hiç kullanılamıyordu.

Maliyet: 0,80 USD. Üretim süresi: 3 dakika 38 saniye.

Test 2: Videoda Lehçe yazı

Eski şehirde gece vakti bir sokak, üzerinde Lehçe orijinalinden çeviriyle “SARI KAZ” yazan kırmızı bir neon ve pencerede “Gece yarısına kadar açık”yazılı bir not istedim. Test istemindeki Lehçe yazı tüm özel karakterleri içeriyordu. Aşağıdaki ifadeler, Lehçe test metninin Türkçe açıklama çevirileridir; bu istem Türkçe denenmedi.

Lehçe orijinalinde “SARI KAZ” anlamına gelen neon yazısı tüm Lehçe karakterleri doğru gösteriyor; model vitrine kendiliğinden ikinci bir neon daha eklemiş. Pencerenin üstündeki tabelada istemde olmayan sayılar var.

Neon yazı kusursuz çıktı- tüm Lehçe karakterler doğru yerdeydi. Model vitrine kendiliğinden ikinci bir neon da ekledi. Ayrıca “100 (orijinal Lehçe testten çeviri: SARI) 121 (orijinal Lehçe testten çeviri: KAZ)” yazılı bir tabela oluşturdu. Sözcükler doğru yazılmıştı ama sayıları kendisi eklemişti.

Penceredeki notun büyütülmüş görüntüsü. Lehçe “Otwarte” sözcüğü okunuyor, yazının geri kalanı okunamıyor.

Not, modelin sınırını gösteriyor: Lehçe orijinalinde “Açık” anlamına gelen sözcük okunuyor, orijinal Lehçe testteki bozulmuş yazı kısmı bozulmuş. 720p’de, harfler yalnızca birkaç piksel yüksekliğindeyken model yazımı koruyamadı. Alibaba da duyurusunda videodaki metin doğruluğunun “geliştirilmeye devam ettiğini” belirtiyor. Pratik sonuç: Büyük yazılar işe yarıyor, küçük yazılar yaramıyor.

Test 3: Fizik ve eller

Yakın plan, sabit bir çekimde eller cam bir sürahiden kahve dolduruyor; kahve akışı incelip kesiliyor, bir el fincanı kaldırırken diğeri içine şeker atıyor.

Her saniyeden bir kare olmak üzere on kare. Akış yaklaşık 6. saniyede kesiliyor, el fincanı kaldırıyor ve şeker 9. saniyede fincana düşüyor.

Kahve akışı, akışın kesilmesi, buhar ve el hareketleri doğal görünüyor; olayların sırası da istemle tutarlı. Saniyede bir incelediğim karelerde eller düzgün görünüyordu. Maliyet: 1,00 USD. Süre: 4 dakika.

Test 4: Kesintisiz 30 saniyelik video

En zor test: elde çekilmiş gibi görünen, kesintisiz 30 saniyelik tek plan. Sarı ceketli bir genç pazardan geçiyor, elma ve balık tezgâhlarının önünden yürüyor, ekmek alıp ödeme yapıyor, başıyla selam veriyor ve tramvayın geçtiği sokağa çıkıyor.

Tek bir 30 saniyelik plandan, her 3 saniyede bir alınmış on kare. Elmalar, balıklar, ekmek alışverişi, sokağa çıkış ve tramvay istemdeki sırada.

Olayların tümü istemdeki sırada ve karakter 30 saniye boyunca tutarlı - yüz, ceket ve elindeki ekmek aynı kalıyor. ffmpeg’in sahne değişikliği algılayıcısı yalnızca 20. ve 22. saniyeler arasında tepki verdi. Bu kareleri saniyenin dörtte biri aralıklarla inceledim: Kesme değil, karakteri izleyen hızlı ve akıcı bir kamera hareketiydi. Tek fark, güneşli olması istenen sokağın bulutlu görünmesiydi.

Ancak klibin bir de diğer yüzü var. fal.ai içerik filtresi ilk denemede videoyu engelledi ve içeriğin “içerik denetimi sistemi tarafından işaretlendiğini” bildirdi. Sahnedeki tek şey pazar, ekmek ve tramvaydı. Aynı istemle ikinci deneme başarılı oldu. Dolayısıyla filtre tahmin edilemez davranabiliyor ve yanlış alarm verebiliyor; bunu öğrenmek için de dakikalarca beklemeniz gerekebiliyor. Başarılı sürümün üretimi 13 dakika 35 saniye sürdü ve maliyeti 3 USD oldu.

Test 5: PDF’den video oluşturma

Alibaba’nın lansmanda öne çıkardığı özelliklerden biri, bir dosya veya web sayfası adresi vererek video oluşturmak. Her iki yöntemi de denedim.

Lehçe Wikipedia’daki Avrupa bizonu maddesinin PDF’sinden oluşturulan 15 saniyelik filmden kareler. Dört sahneden biri, türün neredeyse yok olduğu cümlede siyah beyaz.

PDF’den elde edilen sonuç, testlerin en ilginç olanıydı. Model kendi başına dört sahneyi kurguladı (ffmpeg algılayıcısı 2,8, 8,2 ve 10,2. saniyelerde üç kesme buldu): Yakın planda bir Avrupa bizonu, huş ağaçlı ormanda bir sürü, arşiv görüntüsü tarzında siyah beyaz bir kare ve yavrusuyla bir anne. Ayrıca İngilizce bir anlatıcı ekledi: “Avrupa’nın en büyük kara memelisi olan Avrupa bizonuyla tanışın. Bir zamanlar nesli tükenmenin eşiğindeydiler; şimdi bu ilkel ormanlarda dolaşıyorlar.” Bu, Lehçe PDF’deki bilgilerle uyumluydu. Belge Lehçe olmasına rağmen anlatıcı İngilizce konuştu; çünkü istemi İngilizce yazmıştım. Bu benim yorumum: Lehçe anlatım için bunu açıkça istemek gerekiyor olabilir. Türkçe anlatım denenmedi.

Sonuç: Belgeyi videoya dönüştürme özelliği çalışıyor, ancak benim testimde yalnızca dosya yükleyerek. fal.ai üzerinden denediğim web sayfası adreslerinin hiçbiri işe yaramadı.

Wan 3.0 testlerinin maliyeti

Hesaplama, 720p videoda saniyede 0,10 USD tarifesine göre yapıldı. Ortalama üretim süresi, videonun her saniyesi için yaklaşık 25 saniyeydi. Canlı kullanım için fazla yavaş; reklam ve sosyal medya içerikleri üretmek için kabul edilebilir.

Wan 3.0 kimler için uygun?

• Lehçe içerik üretenler için - Lehçe diyalog ve büyük yazılar, video modellerinde nadir görülen bir özellik. Bu değerlendirme, tek bir diyalog klibine dayanıyor.
• Mevcut materyallerden film üreten işletmeler için - Sunumu veya PDF’yi kısa bir filme dönüştürmek gerçekten zaman kazandırabilir.
• Sabırsız kullanıcılar için uygun değil - Klip başına 3-14 dakika beklemek ve yanlış içerik filtresi uyarısı alma ihtimali var.
• Küçük yazılar için uygun değil - Notlardaki, fiyatlardaki ve etiketlerdeki yazılar bozulabilir.

Yapay zekâ videolarının maliyeti hakkında daha fazla bilgi: Yapay zekâ videosunun saniyesi ne kadar?. Bu ay çıkan diğer Çin yapımı modeller: Beş dil modelinin Lehçe testi.

Şunlara da göz atın: Yerel yapay zekâ: Bilgisayarınızda metin, görsel ve video modelleri · Yedi yerel modelin Lehçe testi

Şunlara da göz atın: Wan AI: Tüm sürümler, fiyatlar ve video testlerim · Wan 3.0 ve Wan 2.2, aynı istemlerle karşı karşıya

Sık sorulan sorular

Wan 3.0 Lehçe konuşabiliyor mu?

Evet. Testimde karakterler Lehçe replikleri kelimesi kelimesine söyledi; Whisper konuşma tanıma aracı bunu %99 güvenle doğruladı. Bu test Lehçe yapıldı; Türkçe konuşma performansı ölçülmedi.

Wan 3.0 ne kadar tutuyor?

480p’de saniyede 0,05 USD, 720p’de 0,10 USD ve 1080p’de 0,20 USD. 1080p’de 30 saniyelik klip 6 USD tutuyor.

Wan 3.0 açık kaynaklı mı?

Hayır. Önceki Wan sürümlerinden farklı olarak açık ağırlıkları yok; yalnızca API üzerinden, örneğin Alibaba Cloud Model Studio ve fal.ai’de kullanılabiliyor.

Wan 3.0 en fazla ne kadar uzunlukta video üretebiliyor?

Tek üretimde 30 saniyeye kadar. Test ettiğim 30 saniyelik klip kesintisiz tek plandı ve yaklaşık 13,5 dakikada üretildi.

Wan 3.0 PDF’den film oluşturabiliyor mu?

Evet. Testimde Wikipedia’daki bir maddeyi içeren PDF’den anlatıcılı, 15 saniyelik film oluşturdu. Dosya adresinin dosya uzantısıyla bitmesi gerekiyor. Web sayfası adreslerinden video elde edemedim.

// okumaya devamBria FIBO 2.0 testi: Görsel üretimi ve düzenlemeKarşılaştırmalarYuE2 şarkı üretimi: 4 yerel modelin Türkçe olmayan testiKarşılaştırmalarEleven Music incelemesi: Şarkı üretimi ve vokal kalitesiKarşılaştırmalar