勇礪商業(yè)評論 阿桶觀察 白麗

6 月 5 日，在 2026 AI 產(chǎn)業(yè)應用大會上，騰訊云音視頻正式發(fā)布 AI 原生能力底座 WAND。WAND 從底層模型、媒體能力到接入方式全面升級，音視頻的媒體 AI 能力將以 Agent-Native 模式向行業(yè)開放。

騰訊云音視頻憑借超過 20 年的技術積累，已構(gòu)建起業(yè)界最全的音視頻產(chǎn)品矩陣，保障音視頻全鏈路的流暢體驗，為媒體內(nèi)容生產(chǎn)實現(xiàn)提質(zhì)增效。IDC 報告顯示，騰訊云音視頻解決方案已連續(xù) 11 次保持中國及出海市場份額第一。進入 Agent 時代，音視頻除了要“傳得快、播得清”，還要承擔起 Agent 的“眼、耳、口”，既要讀懂畫面與聲音，也要生成可看可聽的內(nèi)容，幫助 Agent 實現(xiàn)更智能的視聽體驗。而要讓 Agent 流暢調(diào)用這些能力，生產(chǎn)必須端到端自動跑通，傳統(tǒng)割裂的工具鏈已難以支撐。

面對這些改變，騰訊云音視頻在編解碼、傳輸、增強等長期積累的原子能力之上，引入六大自研媒體專用模型，并以 Agent-Native 方式開放，共同構(gòu)成 WAND 的三層架構(gòu)。WAND 取自四個關鍵詞：Wide（全場景覆蓋）、Amplify（以 AI 放大創(chuàng)作潛能）、Neural（自研模型驅(qū)動）、Delivery（穩(wěn)定、一站式交付），從生成到交付一站式完成。

具體來看，最底層是模型引擎，由編解碼、增強、擦除、生成、理解、音頻六大自研媒體專用模型構(gòu)成，補充生圖、生視頻、生音樂、生語音、生 3D等主流生成式基礎大模型在媒體生產(chǎn)流程上的應用能力。

模型之上是面向調(diào)用的能力層?；谀Ｐ湍芰?，WAND 把 60+ 項媒體 AI 能力按生成、理解、處理、編碼四個環(huán)節(jié)重新組織，通過 API、Agent 預編排工作流（Agentic Workflow）和 Skills 三種 Agent-Native 模式開放。再往上，這些產(chǎn)品能力被組織為面向具體行業(yè)的端到端場景方案。

WAND能力架構(gòu)圖

WAND 的媒體專用模型，更貼合業(yè)務的實際需求。六大模型基于騰訊音視頻業(yè)務沉淀的垂直領域生產(chǎn)數(shù)據(jù)訓練，針對不同行業(yè)、不同場景分別做了專項調(diào)優(yōu)，因而在真實業(yè)務中能保持穩(wěn)定產(chǎn)出、多場景適配。以AIGC內(nèi)容處理為例。在 AI 換裝、商品套圖等電商應用中，WAND 生成模型針對不同品類、不同業(yè)務需求分別訓練了處理策略：換裝能區(qū)分毛衣、西裝的版型與材質(zhì)差異，套圖貼合電商運營實際的構(gòu)圖與風格，因而報錯率更低、圖片可用率更高。

WAND AIGC生產(chǎn)賦能電商場景

WAND 還解決了生產(chǎn)效率的問題。WAND 把生成、理解、處理、編碼的能力收進同一套體系，并以 Agent 友好的方式開放編排接口。Agent 可以從內(nèi)容理解走到素材生成，再自動完成畫質(zhì)增強與編碼適配，端到端跑通整條鏈路，無需切換工具。由此，音視頻的媒體 AI 能力不再是彼此獨立的單一工具，而是可被 Agent 統(tǒng)一調(diào)度的生產(chǎn)級能力。

以短漫劇創(chuàng)作為例，WAND 依托生成、擦除、增強、壓縮等模型能力，將劇本生成、分鏡制作、角色一致性保持、智能配音、合成增強串成一條自動鏈路，從生產(chǎn)到交付整套素材由 Agent 驅(qū)動產(chǎn)出，平均生產(chǎn)效率提升 90%，目前已服務國內(nèi) 80%以上的頭部漫劇平臺。其中，AI增強與無痕擦除雙雙榮獲 NAB Show 2026 年度產(chǎn)品獎。

WAND AIGC內(nèi)容處理賦能視頻處理分發(fā)

賽事直播對實時性與并發(fā)要求極高，需要在毫秒級延遲下同步完成解說、集錦生成、畫質(zhì)提升與多語種分發(fā)。WAND 通過自研模型協(xié)同調(diào)度，將識別、生成、合成、編碼整合為全自動化流程：實時追蹤進球、撲救等高光時刻，自動觸發(fā)集錦生成與多語種解說合成，再按終端適配編碼下發(fā)，碼率較傳統(tǒng)方案節(jié)省超 50%。該方案已累計支撐 FIFA 世界杯、英超、西甲、ICC 板球世界杯、英雄聯(lián)盟 S 賽、冬奧會等數(shù)千場全球頂級賽事和活動，成為亞太地區(qū)最大的賽事直播技術底座。

WAND AI全能賽事制播Agent解決方案

騰訊云音視頻團隊表示，WAND 的發(fā)布，標志著騰訊云音視頻從提供單點媒體處理能力，升級為面向 AI 應用與 Agent 的原生媒體底座。未來，騰訊云將與更多客戶共同探索 AI Agent 時代的音視頻應用形態(tài)。（白麗）