腾讯云发布音视频 AI 品牌 WAND：六大自研模型，60+ 项 AI 能力覆盖媒体生产全链路

　　6 月5日，在2026AI产业应用大会上，腾讯云音视频正式发布AI原生能力底座WAND。WAND从底层模型、媒体能力到接入方式全面升级，音视频的媒体AI能力将以Agent-Native模式向行业开放。

　　腾讯云音视频凭借超过20年的技术积累，已构建起业界最全的音视频产品矩阵，保障音视频全链路的流畅体验，为媒体内容生产实现提质增效。IDC报告显示，腾讯云音视频解决方案已连续11次保持中国及出海市场份额第一。进入Agent时代，音视频除了要“传得快、播得清”，还要承担起Agent的“眼、耳、口”，既要读懂画面与声音，也要生成可看可听的内容，帮助Agent实现更智能的视听体验。而要让Agent流畅调用这些能力，生产必须端到端自动跑通，传统割裂的工具链已难以支撑。

　　面对这些改变，腾讯云音视频在编解码、传输、增强等长期积累的原子能力之上，引入六大自研媒体专用模型，并以Agent-Native方式开放，共同构成WAND的三层架构。WAND取自四个关键词：Wide(全场景覆盖)、Amplify(以AI放大创作潜能)、Neural(自研模型驱动)、Delivery(稳定、一站式交付)，从生成到交付一站式完成。

　　具体来看，最底层是模型引擎，由编解码、增强、擦除、生成、理解、音频六大自研媒体专用模型构成，补充生图、生视频、生音乐、生语音、生3D等主流生成式基础大模型在媒体生产流程上的应用能力。

　　模型之上是面向调用的能力层。基于模型能力，WAND把60+项媒体AI能力按生成、理解、处理、编码四个环节重新组织，通过API、Agent预编排工作流(Agentic Workflow)和Skills三种Agent-Native模式开放。再往上，这些产品能力被组织为面向具体行业的端到端场景方案。

　　 WAND能力架构图

　　 WAND的媒体专用模型，更贴合业务的实际需求。六大模型基于腾讯音视频业务沉淀的垂直领域生产数据训练，针对不同行业、不同场景分别做了专项调优，因而在真实业务中能保持稳定产出、多场景适配。以AIGC内容处理为例。在AI换装、商品套图等电商应用中，WAND生成模型针对不同品类、不同业务需求分别训练了处理策略：换装能区分毛衣、西装的版型与材质差异，套图贴合电商运营实际的构图与风格，因而报错率更低、图片可用率更高。

　　 WAND AIGC生产赋能电商场景

　　 WAND还解决了生产效率的问题。WAND把生成、理解、处理、编码的能力收进同一套体系，并以Agent友好的方式开放编排接口。Agent可以从内容理解走到素材生成，再自动完成画质增强与编码适配，端到端跑通整条链路，无需切换工具。由此，音视频的媒体AI能力不再是彼此独立的单一工具，而是可被Agent统一调度的生产级能力。

　　以短漫剧创作为例，WAND依托生成、擦除、增强、压缩等模型能力，将剧本生成、分镜制作、角色一致性保持、智能配音、合成增强串成一条自动链路，从生产到交付整套素材由Agent驱动产出，平均生产效率提升90%，目前已服务国内80%以上的头部漫剧平台。其中，AI增强与无痕擦除双双荣获NAB Show2026年度产品奖。

　　 WAND AIGC内容处理赋能视频处理分发

　　赛事直播对实时性与并发要求极高，需要在毫秒级延迟下同步完成解说、集锦生成、画质提升与多语种分发。WAND通过自研模型协同调度，将识别、生成、合成、编码整合为全自动化流程：实时追踪进球、扑救等高光时刻，自动触发集锦生成与多语种解说合成，再按终端适配编码下发，码率较传统方案节省超50%。该方案已累计支撑FIFA世界杯、英超、西甲、ICC板球世界杯、英雄联盟S赛、冬奥会等数千场全球顶级赛事和活动，成为亚太地区最大的赛事直播技术底座。

　　 WAND AI全能赛事制播Agent解决方案

　　腾讯云音视频团队表示，WAND的发布，标志着腾讯云音视频从提供单点媒体处理能力，升级为面向AI应用与Agent的原生媒体底座。未来，腾讯云将与更多客户共同探索AI Agent时代的音视频应用形态。