WAND：騰訊雲音影片AI原生能力底座六大自研模型與Agent-Native開放模式

WAND 是騰訊雲音影片在2026騰訊雲AI產業應用大會上正式釋出的AI原生能力底座。該產品依託超過20年的技術積累，內建編解碼、增強、擦除、生成、理解、音訊六大自研媒體專用模型，整合60餘項媒體AI能力，並以Agent-Native模式向行業開放，實現了從單點媒體處理向AI應用與Agent原生底座的戰略升級。

WAND 的三層架構與六大自研模型

WAND的架構由模型引擎、能力層和場景方案三層構成。模型引擎層包含六大自研媒體專用模型，專門補充了主流生成式大模型在媒體生產流程中的能力缺口，覆蓋編解碼、畫質增強、內容擦除、素材生成、智慧理解與音訊處理等核心環節。

這些專用模型針對音影片場景做了深度最佳化，相比通用大模型，在處理效率、資源消耗和輸出質量上更具針對性。能力層則將60餘項媒體AI能力按生成、理解、處理、編碼四大類重新組織，為上層場景方案提供靈活的能力組合基礎。

WAND 的 Agent-Native 開放模式

WAND透過API、Agent預編排工作流和Skills三種模式對外開放能力。Agent預編排工作流支援端到端自動跑通整條媒體處理鏈路，Agent無需在多個工具間切換即可完成從素材輸入到成品輸出的全流程。

這種Agent-Native的設計理念，意味著媒體AI能力不再是獨立的功能點，而是可被AI Agent統一排程的生產級工具。對於開發者而言，只需透過自然語言或API呼叫即可驅動底層模型協同工作，大幅降低音影片處理的整合複雜度。

Skills模式則提供可複用的能力模組，開發者可按需組合，快速構建定製化的音影片應用。三種模式覆蓋從輕量整合到深度編排的不同需求層級，兼顧靈活性與效率。

WAND 在電商與短漫劇場景中的落地驗證

在電商應用中，WAND的生成模型可針對不同品類定製處理策略，有效降低商品圖報錯率並提升圖片可用率。這種品類級別的精細適配能力，使商家無需為每個類目單獨配置引數，AI可自動識別並匹配合適的處理方案。

在短漫劇創作領域，WAND將劇本生成、角色一致性保持、分鏡合成等環節串聯為自動鏈路，使平均生產效率提升90%，已服務國內80%以上的頭部漫劇平臺。這意味著創作者只需輸入故事指令碼，系統即可自動完成從文字到成片的完整產出。

WAND的AI增強與無痕擦除技術更是雙雙榮獲NAB Show 2026年度產品獎，這兩項技術分別解決了畫質提升和畫面冗餘元素去除兩大行業痛點，在專業級影片製作場景中展現出顯著的實用價值。

WAND 在賽事直播等高併發場景中的表現

面對高併發、極低延遲要求的賽事直播場景，WAND透過自研模型的協同排程，將識別、生成、合成、編碼整合為全自動化流程。相比傳統方案，這一整合可節省超50%的位元速率，顯著降低頻寬成本。

WAND已累計支撐數千場全球頂級賽事直播，在高併發壓力下仍能保持毫秒級的響應速度和穩定的輸出質量。作為連續11次保持中國及出海市場份額第一的領跑者，騰訊雲音影片正加速音影片能力成為AI Agent時代的生產級基礎設施。

WAND 升級前後對比

WAND 應用場景

• 電商商品圖智慧處理：針對不同品類自動定製處理策略，降低報錯率，提升圖片可用率和視覺質量。
• 短漫劇自動化生產：從劇本生成到角色一致性保持、分鏡合成全鏈路自動化，大幅壓縮創作週期。
• 賽事直播實時處理：高併發場景下的識別、生成、合成、編碼全自動化，節省位元速率並保證毫秒級響應。
• 影片畫質增強與修復：透過AI增強和無痕擦除技術，提升老舊影片畫質並消除畫面冗餘元素。
• Agent驅動的媒體應用開發：開發者可透過自然語言或API呼叫WAND的Skills模組，快速構建定製化音影片應用。

WAND 的行業價值與未來展望

WAND的釋出標誌著音影片AI從單點工具向原生能力底座的轉型。其核心價值在於將20餘年的音影片技術積累封裝為可被Agent統一排程的生產級工具，而非提供孤立的處理功能。

透過六大自研模型與Agent-Native開放模式，WAND正在重塑音影片內容的生產方式——從短漫劇創作的效率革命，到賽事直播的成本最佳化，再到電商商品圖的智慧處理，覆蓋了多個高價值場景。

未來，隨著Agent生態的進一步成熟，WAND有望成為AI應用開發者構建音影片能力的首選底座，推動音影片AI從輔助工具走向核心基礎設施，全面賦能AI Agent時代的視聽應用創新。