6月5日、2026年AI産業応用大会において、テンセントクラウド音声・映像部門は、AIネイティブな基盤であるWANDを正式に発表しましたWANDは、基盤となるモデルからメディア機能、接続方式に至るまで全面的に刷新され、音声・映像のメディアAI能力がエージェントネイティブな形で業界に向けて開放されます
テンセントクラウド音声・映像部門は、20年以上にわたる技術蓄積を基に、業界で最も充実した音声・映像製品ラインナップを構築し、音声・映像の全フローにおけるスムーズな体験を実現するとともに、メディアコンテンツの生産効率と品質向上を支援してきましたIDCのレポートによれば、テンセントクラウドの音声・映像ソリューションは、中国国内および海外市場において11期連続でシェア首位を維持していますエージェント時代を迎え、音声・映像は「速く伝える」「クリアに再生する」だけでなく、エージェントの「目・耳・口」の役割も担う必要があります映像や音声を正確に理解し、さらに視覚的・聴覚的に楽しめるコンテンツを生成することで、エージェントによるよりスマートな視聴覚体験の実現をサポートしますそして、こうした能力をエージェントが円滑に活用できるようにするためには、プロダクション全体がエンドツーエンドで自動化されることが不可欠であり、従来の分断されたツールチェーンではもはや対応しきれません
これらの変化に対応するため、テンセントクラウド音声・映像部門は、コーディング／デコーディング、伝送、強化など長年にわたり培ってきた原子的な基礎能力を土台に、独自開発のメディア専用モデルを6種類導入し、エージェントネイティブな形で公開することで、WANDの三層構造を形成しましたWANDという名称は、4つのキーワードから成り立っています：Wide（全シーンをカバー）、Amplify（AIで創造力を拡張）、Neural（自社開発モデルによる推進）、Delivery（安定したワンストップ提供）生成からデリバリーまで、一貫したエンドツーエンドのソリューションを実現します
具体的には、最下層に位置するのはモデルエンジンで、コーディング／デコーディング、強化、消去、生成、理解、オーディオの6種類の独自開発メディア専用モデルから構成されていますこれにより、画像生成、動画生成、音楽生成、音声生成、3D生成といった主流の生成系大規模モデルが、メディア制作プロセスにおける実際の用途で活用できるよう補完されています
その上には、各種APIやエージェント向けの事前編成ワークフロー（Agentic Workflow）、スキルといったエージェントネイティブな形態を通じて、呼び出しに適した機能層が配置されていますさらに上層では、これらの製品機能が各業界向けのエンドツーエンドのシナリオソリューションとして体系化されています
WANDの能力アーキテクチャ図
WANDのメディア専用モデルは、ビジネスの実際のニーズにきわめて適合していますこれら6種類のモデルは、テンセントの音声・映像事業で培われた垂直領域特有の生産データを基に訓練されており、業界やシーンごとに個別に最適化されているため、実際の業務において高い安定性と多様なシーンへの適応力を発揮します例えばAIGCコンテンツ処理を例に挙げると、AIによる衣装変更や商品セット写真作成といったECアプリケーションにおいて、WANDの生成モデルは品目や業務ニーズに応じてそれぞれ異なる処理戦略を学習しており、衣装変更ではセーターとスーツの型や素材の違いを正確に識別し、セット写真ではEC運営上の構図やスタイルに合わせた仕上がりを実現することで、エラー率の低減と画像利用可能性の向上を実現しています
WANDによるAIGC生産のECシーンへの活用
WANDは生産効率の課題にも解決策を提供します生成、理解、処理、コーディングといった各段階の能力をひとつの統合システムに収め、エージェントフレンドリーな形で編成インターフェースを開放していますエージェントはコンテンツの理解から素材の生成へと進み、さらに画質強化やコーディングの調整まで自動で完了させることで、ツールを切り替えることなく全工程をエンドツーエンドで一気に行えますこれにより、音声・映像のメディアAI能力はもはや独立した単なるツールではなく、エージェントによって統一的にスケジュール可能な生産レベルの機能へと進化しました
短編マンガドラマの制作を例に取ると、WANDは生成、消去、強化、圧縮などのモデル能力を活用し、脚本の生成、絵コンテの作成、キャラクターの一貫性の確保、インテリジェントな吹き替え、合成による強化を自動化された一連のプロセスへとつなぎ、生産からデリバリーまでの全素材をエージェント主導で生成しますその結果、平均生産効率は90％向上し、現在では中国国内の主要マンガドラマプラットフォームの80％以上にサービスを提供していますなかでも、AIによる強化とノンリニアな消去技術は、NAB Show 2026年の製品賞を受賞しています
WANDによるAIGCコンテンツ処理の映像処理・配信への活用
スポーツイベントのライブ配信は、リアルタイム性と同時接続数に対する極めて高い要求を伴い、解説、ハイライト生成、画質向上、多言語配信などをミリ秒単位の遅延で同期して実施する必要がありますWANDは独自開発のモデルを協調してスケジュールし、認識、生成、合成、コーディングを完全自動化されたプロセスへと統合しますゴールやセーブなどのハイライトシーンをリアルタイムで追跡し、自動的にハイライト生成や多言語解説の合成をトリガーその後、端末に応じたコーディングを適用して配信するため、従来の手法に比べてビットレートを50％以上削減できますこのソリューションは、FIFAワールドカップ、プレミアリーグ、ラ・リーガ、ICCクリケットワールドカップ、リーグ・オブ・レジェンドSシリーズ、冬季五輪など、世界トップクラスの数千ものスポーツイベントやアクティビティを支えており、アジア太平洋地域最大のスポーツライブ配信技術基盤となっています
WANDによるAI搭載の総合スポーツ制播エージェントソリューション
テンセントクラウド音声・映像部門は、WANDの発表をもって、同社がこれまで提供してきた単一のメディア処理能力から、AIアプリケーションおよびエージェント向けのネイティブなメディア基盤へと進化を遂げたことを示すものだと述べています今後、テンセントクラウドはさらなるお客様とともに、AIエージェント時代における音声・映像の新たな活用形態を模索していきます
