腾讯云发布AI原生音视频底座WAND，构建大模型时代媒体处理新架构

6月5日，在2026 AI产业应用大会期间，腾讯云音视频正式推出AI原生能力底座——WAND。此次产品升级标志着腾讯云音视频业务从传统的媒体处理服务，向适配智能体（Agent）开发需求的生产级底座转型。

根据腾讯云官方披露的技术架构，WAND系统由模型引擎、能力层及场景方案三大核心板块构成。针对目前通用生成式大模型在专业媒体处理流程中的局限性，腾讯云构建了涵盖编解码、画质增强、画面擦除、AI生成、内容理解以及音频处理等六大自研媒体专用模型。在能力层面上，系统集成了60余项AI媒体处理能力，并支持通过API接口、Agent预编排工作流（Agentic Workflow）及技能（Skills）三种方式接入，旨在实现音视频处理链路的端到端自动化。

在实际业务应用方面，WAND在电商与互动娱乐领域已产生显著成效。在电商场景下，其定制化的处理策略有效降低了模型报错率，提升了输出素材的可用性。而在短漫剧制作领域，该方案通过串联剧本创作与角色一致性控制等核心环节，使生产效率提升幅度达90%，目前已覆盖国内八成以上的头部漫剧平台。此外，在直播技术领域，针对大型赛事的高并发与低延迟需求，WAND通过自研模型调度实现了一体化自动化处理，在保障传输质量的同时，相较于传统解决方案，其码率节省超过50%。

业内人士分析，随着AI Agent时代的到来，腾讯云此举旨在将复杂的音视频处理能力转化为标准化的生产工具，以便开发者直接调用。作为在海内外市场份额保持领先地位的云服务商，腾讯云期望通过WAND架构，进一步整合音视频底层技术与大模型能力，以应对AI应用快速迭代的需求。