וידאו של 30 שניות עם סאונד מטקסט: עליבאבא השיקה את WAN 3.0 במחיר של 5 סנט לשנייה (אוגוסט 2026)

זה קפיצה משמעותית: הדור הקודם ידע לייצר בערך חצי מהאורך הזה, ובלי קול. WAN 3.0 מייצר סרטון שלם, עם תמונה וקול יחד, מתוך קלט טקסטואלי פשוט. עליבאבא פרסמה את המחירון הרשמי: 5 סנט לשנייה ב-480p, 10 סנט ב-720p ו-20 סנט לשנייה ב-1080p, ובין 24 באוגוסט ל-23 בספטמבר יש הנחה זמנית של 30% על ה-API בפלטפורמות נבחרות. המודל זמין דרך Alibaba Cloud Model Studio תחת השם wan3.0-video, והושק יום אחרי שעליבאבא מכרה מניות בכ-10 מיליארד דולר.

STSICONIC (אס טי אס אייקוניק) היא חברת הטמעת AI לעסקים ולארגונים בישראל. אנחנו מאחדים את כל המערכות שלך למערכת אחת ועושים סדר בעסק, מחברות קטנות ועד ארגונים גדולים. בכתבה הזו נסביר בפשטות מה WAN 3.0 עושה, מה עדיין לא ברור לגביו, ולמה הוא מעניין כמעט לכל אחד שנוגע בתוכן.

לעומק: איך "מסמך הופך לסרטון עם קול" בכלל עובד

הדבר הכי מבלבל בהודעה הזו הוא המשפט "מסמך לסרטון". אז ככה: רוב מודלי הווידאו עד היום קיבלו משפט טקסט קצר ("חתול רץ על חוף") והחזירו כמה שניות של תמונה בלבד, בלי קול. WAN 3.0 עושה שני דברים שונים. ראשית, הוא מקבל קלט עשיר יותר, לא רק משפט אלא מסמך שלם, מצגת או גיליון, וקורא ממנו את התוכן והמבנה. חשבו על זה כמו על עוזר שמקבל דף מוצר ומכין ממנו קליפ פרסומת, במקום שתצטרכו לכתוב לו תסריט מאפס. שנית, הוא מייצר את הקול והתמונה יחד באותו מעבל אחד, כך שהסאונד מתאים למה שקורה במסך במקום להיות מודבק בדיעבד.

המשמעות המעשית: מי שרצה עד עכשיו סרטון קצר לרשתות היה צריך תסריט, הקלטה, עריכה ומוזיקה. WAN 3.0 מכווץ את כל השרשרת הזו לקלט אחד ולפלט אחד, בעלות של כמה סנטים לשנייה. ב-30 שניות של 1080p מדובר בעלות הרצה של סדר גודל של כמה שקלים, לא של הפקה.

מה עדיין לא ברור

שווה להיות ישרים לגבי מה שההודעה לא אומרת. מספרי איכות במצגת של יצרן הם לא אותו דבר כמו וידאו שעובד בפרויקט אמיתי, ועדיין לא ראינו בדיקות עצמאיות של כמה יציב הפלט על פני עשרות ניסיונות, כמה טוב הקול בעברית, ואיך המודל מתמודד עם טקסט קריא על המסך. גם לא ברור אם הסרטונים יסומנו כתוכן שנוצר ב-AI כברירת מחדל, נושא שהופך לקריטי ככל שיותר תוכן שיווקי נוצר אוטומטית. ולבסוף, כרגע זה זמין בעיקר דרך הענן של עליבאבא, מה שאומר שאלה שרוצים תשתית מקומית או שמירה על נתונים בישראל יצטרכו לבדוק את זה לגופו.

למה זה משנה לכל אחד

• לעובד או למנהל תוכן: מצגת פנימית או דף מוצר יכולים להפוך לסרטון הסבר של חצי דקה בלי מחלקת וידאו ובלי לחכות שבוע לעורך.
• לפרילנסר וליוצר: אפשר לבדוק כמה גרסאות של אותו קליפ בעלות של כמה שקלים, במקום לשלם על הפקה מלאה על כל ניסיון.
• לסטודנט ולכל מי שלומד: להפוך סיכום או מצגת לסרטון קצר עם קול הופך להיות זול ומהיר, וזה משנה איך מסבירים דברים.
• לצרכן: נראה יותר ויותר וידאו ברשת שנוצר אוטומטית, ולכן שווה להתרגל לשאול "האם הסרטון הזה אמיתי או נוצר ב-AI".
• ולמי שמנהל עסק או ארגון: כשעלות הפקת הווידאו יורדת כל כך, השאלה כבר לא "האם יש לנו תקציב לסרטון", אלא "אילו תהליכי שיווק ותוכן כדאי לחבר למערכת אחת שעובדת לבד".

כדי להמחיש: דמיינו בעל חנות קטנה שיש לו קטלוג מוצרים בגיליון פשוט. עד עכשיו, כדי להפוך מוצר חדש לסרטון קצר לאינסטגרם הוא היה צריך לצלם, לערוך ולהוסיף מוזיקה, או לשלם למישהו שיעשה את זה. עם כלי כזה, אותו גיליון יכול להפוך לסדרה של קליפים קצרים לכל מוצר, בעלות של כמה שקלים. זה לא אומר שהתוצאה תמיד תהיה מושלמת, וזו בדיוק הנקודה: הכלים האלה מוזילים את הניסוי, אבל הבחירה מה לפרסם, באיזה טון ולאיזה קהל, נשארת אצל האדם. הערך האמיתי הוא לא בכלי הבודד אלא בחיבור החכם שלו לשאר העבודה, ובדיוק בזה אנחנו עוסקים.