เว็บไซต์นี้ใช้คุ้กกี้เพื่อสร้างประสบการณ์ที่ดีมีประสิทธิภาพยิ่งขี้น อ่านเพิ่มเติมคลิก (Privacy Policy) และ (Cookies Policy)
Skip to content
ธุรกิจเทเงินต้านภัยไซเบอร์ แบงก์ทุ่มสุดตัว-งัดแผนออฟไลน์ช่วย
ข่าวหน้า 1 ธุรกิจเทเงินต้านภัยไซเบอร์ แบงก์ทุ่มสุดตัว-งัดแผนออฟไลน์ช่วย
พระดำริของสมเด็จพี่ฯ สู่น้อง ‘Princess’s Cup Thailand 2026’
Biz Movement พระดำริของสมเด็จพี่ฯ สู่น้อง ‘Princess’s Cup Thailand 2026’
‘ปลอดประสพ’ ชง 9 ข้อแก้พิษโลหะหนักแม่น้ำสาย-รวก จี้รัฐงัดมาตรการค้าบีบจีน-ประกาศเขตมลภาวะร้ายแรง
Politics ‘ปลอดประสพ’ ชง 9 ข้อแก้พิษโลหะหนักแม่น้ำสาย-รวก จี้รัฐงัดมาตรการค้าบีบจีน-ประกาศเขตมลภาวะร้ายแรง
ART ไทย-สหรัฐฯ ปิดดีลสาระสำคัญ แต่เกมภาษียังไม่จบ
Economic ART ไทย-สหรัฐฯ ปิดดีลสาระสำคัญ แต่เกมภาษียังไม่จบ
‘ทรัมป์’ ลงนามแถลงการณ์ร่วมข้อตกลงภาษีสหรัฐ-ไทย
World ‘ทรัมป์’ ลงนามแถลงการณ์ร่วมข้อตกลงภาษีสหรัฐ-ไทย
วิทยุการบินฯ ตั้ง “เมฆินทร์ เพ็ชรพลาย” นั่ง CEO คนใหม่ เริ่มงาน 18 พ.ย.นี้
News วิทยุการบินฯ ตั้ง “เมฆินทร์ เพ็ชรพลาย” นั่ง CEO คนใหม่ เริ่มงาน 18 พ.ย.นี้
‘อนุทิน–ทรัมป์’ ลงนามแถลงการณ์ร่วม ยืนยันเจรจาการค้า ART บรรลุข้อสรุปสำคัญ
Politics ‘อนุทิน–ทรัมป์’ ลงนามแถลงการณ์ร่วม ยืนยันเจรจาการค้า ART บรรลุข้อสรุปสำคัญ
ถอดสูตร แม็คกรุ๊ป สร้างเติบโต ฝ่าสมรภูมิแฟชั่นปี ’70 แข่งราคาเดือด
Business ถอดสูตร แม็คกรุ๊ป สร้างเติบโต ฝ่าสมรภูมิแฟชั่นปี ’70 แข่งราคาเดือด
สวนดุสิตโพล เปิดผลสำรวจ หากระบบธนาคารล่ม คนไทยมีเงินสดสำรองแค่ไหน?
News สวนดุสิตโพล เปิดผลสำรวจ หากระบบธนาคารล่ม คนไทยมีเงินสดสำรองแค่ไหน?
“ไอคอนสยาม” จัดใหญ่เคานต์ดาวน์ 5 วัน 5 คืน ดึง “เนเน่ รอยัล” แจมทัพซูเปอร์สตาร์-ไอดอลกว่า 200 ชีวิต
Business “ไอคอนสยาม” จัดใหญ่เคานต์ดาวน์ 5 วัน 5 คืน ดึง “เนเน่ รอยัล” แจมทัพซูเปอร์สตาร์-ไอดอลกว่า 200 ชีวิต
ดูทั้งหมด

เอไอใหม่ของอาลีบาบา สร้างอวตารดิจิทัลเหมือนคน แปลงเสียงพูดเป็นวิดีโอ

28 ส.ค. 2568 | 16:52น.

Alibaba เปิดตัวโมเดลเอไอ Wan2.2-S2V สำหรับการสร้าง Digital Human Video สร้างสรรค์ภาพถ่ายให้มีชีวิต ด้วยโมเดลแปลงเสียงพูดเป็นวิดีโอ  

รายงานจากอาลีบาบา เปิดตัว Wan2.2-S2V (Speech-to-Video) โมเดลโอเพ่นซอร์ซล่าสุดที่ออกแบบมาสำหรับการสร้างวิดีโอมนุษย์ดิจิทัล (Digital Human Video) ที่สามารถแปลงภาพถ่ายบุคคลให้กลายเป็นอวตารคุณภาพระดับภาพยนตร์ที่พูด ร้องเพลง และแสดงท่าทางได้ 

โมเดลนี้เป็นส่วนหนึ่งของ Wan2.2 ซึ่งเป็นชุดโมเดลการสร้างวิดีโอของอาลีบาบา โมเดลนี้สามารถสร้างวิดีโอแอนิเมชั่นคุณภาพสูงจากภาพภาพเดียวและคลิปเสียงหนึ่งคลิป

Wan2.2-S2V มอบความสามารถด้านการสร้างแอนิเมชั่นตัวละครที่หลากหลาย รองรับการสร้างวิดีโอได้หลายมุมมอง ทั้งแบบพอร์ตเทรต ครึ่งตัว และเต็มตัว อีกทั้งยังสามารถสร้างการเคลื่อนไหวของตัวละครและองค์ประกอบแวดล้อมแบบไดนามิกตามคำสั่งที่กำหนด ช่วยให้ครีเอเตอร์สามารถถ่ายทอดภาพได้อย่างแม่นยำ ตรงตามเรื่องราวและการออกแบบ

โมเดลนี้สามารถสร้างตัวละครที่แสดงได้เสมือนจริง ตั้งแต่บทสนทนาที่เป็นธรรมชาติ ไปจนถึงการแสดงดนตรี โดยอาศัยเทคโนโลยีแอนิเมชั่นที่ขับเคลื่อนด้วยเสียงที่มีประสิทธิภาพสูง และยังจัดการกับตัวละครหลายตัวภายในฉากได้อย่างราบรื่น ครีเอเตอร์สามารถแปลงเสียงบันทึกให้เป็นภาพเคลื่อนไหวที่สมจริง รองรับอวตารที่หลากหลาย ตั้งแต่การ์ตูนและสัตว์ ไปจนถึงตัวละครที่มีสไตล์เฉพาะตัว  

เทคโนโลยีนี้มอบความละเอียดของการแสดงผลที่ยืดหยุ่น ทั้ง 480P และ 720P เพื่อตอบโจทย์ความต้องการที่หลากหลายของคอนเทนต์ครีเอเตอร์มืออาชีพให้มั่นใจได้ว่าจะได้ภาพคุณภาพสูงที่ตรงตามมาตรฐานทางวิชาชีพและงานสร้างสรรค์ที่หลากหลาย จึงเหมาะอย่างยิ่งสำหรับคอนเทนต์บนสื่อโซเชียลและงานนำเสนอระดับมืออาชีพ 

นวัตกรรมทางเทคโนโลยีที่หลากหลาย

Wan2.2-S2V มีประสิทธิภาพเหนือแอนิเมชั่นแบบ Talking-Head ด้วยการผสมผสานการควบคุมการเคลื่อนไหวหลักในภาพรวมด้วยคำสั่งจากข้อความ และการเคลื่อนไหวเฉพาะจุดที่มีรายละเอียดสูงด้วยข้อมูลจากเสียงเข้าด้วยกัน ทำให้ตัวละครเคลื่อนไหวได้อย่างเป็นธรรมชาติและสื่ออารมณ์ได้อย่างลึกซึ้ง แม้ในสถานการณ์ที่ซับซ้อนและท้าทาย

เทคนิคการประมวลผลเฟรมที่เป็นนวัตกรรมของโมเดลนี้ เป็นอีกหนึ่งความล้ำหน้าสำคัญ เทคโนโลยีนี้ช่วยลดค่าใช้จ่ายในการประมวลผลได้อย่างมีนัยสำคัญ จากการบีบอัดเฟรมที่มีอยู่เดิมซึ่งมีความยาวแบบไม่จำกัดให้เป็นภาพแฝง (Latent Representation) ที่มีขนาดกะทัดรัดเพียงภาพเดียว ซึ่งช่วยให้สามารถสร้างวิดีโอยาว ๆ ที่มีความเสถียรได้อย่างน่าทึ่ง เป็นการจัดการกับความท้าทายสำคัญในการผลิตคอนเทนต์แอนิเมชั่นที่ขยายเพิ่มเติม

ความสามารถที่ก้าวล้ำของโมเดลได้รับการยกระดับให้โดดเด่นยิ่งขึ้นด้วยกระบวนการเทรนที่ครอบคลุม ทีมวิจัยของอาลีบาบาได้สร้างชุดข้อมูลภาพและเสียงขนาดใหญ่ที่ออกแบบมาเพื่อรองรับการผลิตภาพยนตร์และรายการโทรทัศน์โดยเฉพาะ Wan2.2-S2V ได้รับการเทรนด้วยความละเอียดหลายระดับ (Multi-Resolution) จึงสามารถรองรับการสร้างวิดีโอได้หลายรูปแบบอย่างยืดหยุ่น ไม่ว่าจะเป็นคอนเทนต์วิดีโอสั้นที่ถ่ายทำแบบแนวตั้ง ไปจนถึงงานผลิตภาพยนต์และรายการโทรทัศน์แบบเดิมที่ถ่ายทำเป็นแนวนอน 

Wan2.2-S2V พร้อมให้ดาวน์โหลดแล้วบน Hugging Face, GitHub และบน ModelScope ซึ่งเป็นคอมมิวนิตี้ด้านโอเพ่นซอร์ซของอาลีบาบา คลาวด์ นอกจากนี้ในฐานะผู้มีส่วนร่วมสำคัญต่อชุมชนโอเพ่นซอร์ซระดับโลก อาลีบาบาได้เปิดโอเพ่นซอร์ซโมเดล Wan2.1 เมื่อเดือนกุมภาพันธ์ พ.ศ. 2568 และโมเดล Wan2.2 เมื่อเดือนกรกฎาคมที่ผ่านมา ปัจจุบันโมเดลที่อยู่ใน Wan Series มียอดดาวน์โหลดรวมกว่า 6.9 ล้านครั้งบน Hugging Face และ ModelScope

แท็กที่เกี่ยวข้อง

AI (เอไอ) อาลีบาบา คลาวด์