腾讯云发布音视频AI原生底座WAND 开放60余项媒体AI能力

AI创作导航管理员 LV4 资深连续登录30天萌新

4 个月前

风向

127

2026年6月5日，腾讯云在2026AI产业应用大会上正式发布音视频AI原生能力底座WAND。依托20余年音视频技术积累，WAND内置六大自研媒体专用模型，覆盖60余项媒体AI能力，以Agent-Native模式向行业开放，实现从单点能力供给到AI应用原生媒体底座的战略升级，可填补主流通用生成式大模型在专业媒体生产场景的能力短板。

此次发布是腾讯云音视频业务沉淀20余年技术能力后的一次战略级转向——过往腾讯云对外输出的多是转码、画质增强等单点工具类能力，而WAND的推出意味着其正式锚定AI Agent时代的媒体基础设施定位，为各类AI应用提供开箱即用的音视频处理全链路支持。

WAND整体采用三层架构设计，最底层为模型引擎层，内置编解码、画质增强、智能擦除、内容生成、内容理解、音频处理六大自研媒体专用模型，针对专业媒体生产场景做了专项优化，填补了主流通用生成式大模型在音视频处理精度、效率上的不足。

中间的能力层将60余项媒体AI能力按生成、理解、处理、编码四大维度重新梳理，支持API、Agent预编排工作流（Agentic Workflow）、Skills三种开放模式，AI Agent可直接调用相关能力端到端跑通全链路业务，无需在多个工具之间切换对接，大幅降低开发调试成本。最上层则面向不同行业提供预制的场景方案，可快速适配各类业务需求。

不同于传统云厂商按功能分类开放API的思路，WAND核心采用Agent-Native的开放模式，所有音视频能力都被封装为AI Agent可直接识别调用的技能，甚至针对高频场景提前完成了工作流预编排。

比如面向短视频自动生产场景，开发者无需分别对接素材解析、擦除水印、画质增强、编码输出等多个接口，只需让AI Agent调用WAND对应技能包，即可自动完成整条内容生产链路的处理。据了解，WAND此前已在腾讯内部短视频、直播、数字人等多条业务线完成灰度测试，较传统多工具拼接方案的处理效率提升30%以上，人工介入率下降近70%。

随着生成式AI应用进入规模化落地期，各类AI Agent对音视频处理的需求早已不再局限于单一功能，而是需要可无缝嵌入工作流的全链路能力支持。此前行业普遍面临通用大模型音视频处理能力不足、单点工具对接成本高的痛点，WAND的发布恰好击中这一行业刚需，也标志着国内云厂商的音视频服务正式从工具化供给阶段，迈入面向AI应用的原生底座竞争新赛道。

据腾讯云透露，后续其还将针对广电、电商、教育等垂直行业的专属需求，推出更多定制化的WAND场景方案，进一步降低各行业AI应用的开发门槛。

生成式AI 腾讯云 WAND 音视频AI AI原生底座

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。