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

知顿

6 月 5 日，在 2026 AI 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 Show 2026 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。