Alibaba wypuściła AI, które sklonuje Twoją twarz i głos w wideo

Alibaba pokazała Wan2.6-R2V. Model AI, który wstawia Twoją twarz i głos do wygenerowanego wideo.

Już działa.

I nie, nie mówimy tu o prostym deepfake'u.

Jak to właściwie działa

Wan2.6-R2V generuje wideo z konkretną osobą — jej wyglądem i głosem. Wystarczy dostarczyć materiał źródłowy: kilka zdjęć lub nagranie głosu. Resztę robi algorytm.

Alibaba twierdzi, że to pierwszy taki model w Chinach. I tu nie chodzi tylko o wklejenie twarzy do jednej klatki. System utrzymuje spójność wizualną i dźwiękową przez całe wideo. Twarz wygląda naturalnie w różnych ujęciach, pod różnymi kątami. Głos przypomina Twój — nie jak robot odczytujący tekst z kartki.

Dla porównania: większość dotychczasowych narzędzi albo generowała wideo bez konkretnej osoby, albo wstawiała twarz, ale bez głosu. Albo głos, ale z animacją avatara. Tu masz kompletny pakiet.

Co z tego będziesz miał

Prowadzisz firmę. Potrzebujesz materiału wideo na LinkedIn — prezentacji produktu, powitania dla klientów, szkolenia dla zespołu.

Dotychczas miałeś dwie opcje: albo staniesz przed kamerą (co zabiera czas i wymaga sprzętu), albo wynajmiesz kogoś do nagrania (co kosztuje).

Teraz? Piszesz scenariusz, wrzucasz swoje zdjęcie i sample głosu. System generuje wideo, w którym "Ty" mówisz to, co napisałeś.

Bez studia. Bez kamery. Bez montażu.

To przypomina oszczędność czasu i pieniędzy. I jest. Ale jest też druga strona tej monety.

Nikt głośno o tym nie mówi

Jeśli model potrafi sklonować Twoją twarz i głos na podstawie kilku zdjęć i nagrań, to... kto kontroluje, kto tego używa?

Alibaba nie podała szczegółów dotyczących zabezpieczeń. Nie wiadomo, czy system wymaga zgody osoby, której wizerunek jest używany. Nie wiadomo, czy materiały są w ogóle weryfikowane. Nie wiadomo, jak chronione są dane źródłowe.

To pułapka. Technologia sama w sobie jest neutralna — to narzędzie. Ale w rękach kogoś, kto chce manipulować, może stać się bronią. Fałszywe oświadczenia. Fake newsy. Oszustwa finansowe z "Tobą" w roli głównej.

I tu pojawia się pytanie: czy jesteśmy gotowi na świat, w którym każdy może "być" kimkolwiek?

Kto tego potrzebuje

Alibaba celuje w kilka branż. Marketing to oczywisty kierunek — reklamy, treści na social media, kampanie e-mailowe z wideo. E-learning — kursy online, w których prowadzący "nagrywa" setki lekcji bez wchodzenia do studia. Obsługa klienta — wirtualni asystenci, którzy wyglądają i brzmią jak prawdziwi ludzie.

W Chinach rynek generowania treści Wideo AI rośnie szybciej niż gdziekolwiek indziej. Firmy takie jak Kuaishou, ByteDance czy Tencent już testują podobne rozwiązania. Wan2.6-R2V to kolejny krok w tym wyścigu.

Pytanie brzmi: czy Zachód nadąży.

OpenAI ma Sora, ale wciąż w ograniczonym dostępie. Google testuje Veo. Meta pracuje nad swoimi modelami. Żadne z nich nie oferuje jeszcze pełnej integracji wizerunku i głosu w jednym narzędziu dostępnym publicznie.

Co dalej

Alibaba nie podała daty publicznego uruchomienia Wan2.6-R2V. Nie wiadomo, czy model będzie dostępny globalnie, czy tylko w Chinach. Nie wiadomo, ile będzie kosztować.

Jedno jest pewne: próg wejścia do tworzenia profesjonalnych treści wideo właśnie spadł. Dramatycznie.

Za rok tworzenie wideo z Twoją twarzą i głosem będzie tak proste jak dziś pisanie maila.

Pytanie nie brzmi "czy to się stanie", ale "jak się do tego przygotujemy".

Bo technologia nie czeka. I nie pyta o zgodę.

Źródła

• Tech in Asia – Alibaba launches AI models for video with likeness, voice