一句话结论
腾讯云 WAND 技术通过白模前置与修复机制，将视频可用率提升至高80%，显著降低AI内容生产返工成本。
关键要点
- 漫森文化接入 WAND 后，镜头可用率从 30% 提升至 50%-80%，并稳定在 80% 左右，制作单部短剧成本节约 30%。
- 腾讯云披露 WAND 帮助客户降低约 20% 的内容生产综合成本，其中 WAND-Vega 面向成本敏感客户可进一步降低 20%-30% 的模型调用费用。
- 紫讯科技利用 WAND-Vega 将跨境电商图片素材有效使用率从 50%-60% 提升至 70%-80%，在保持业务效果一致的前提下降低素材成本。
- 技术路径上，引入 3D 白模前置确定场景布局，结合 WAND-EraseVibe+ 进行隐空间修复，避免对局部瑕疵素材进行全量重新生成。
- 82% 的视频模型调用已可通过 Agent 自动发起，实现从分镜到成片的工作流自动化，但关键节点仍需人工介入校验。
背景与事实
AI 视频生成领域长期面临“抽卡”困境，即单次生成速度虽快，但符合创作者具体要求的概率较低。腾讯云 WAND 多模态应用负责人朱琳指出，行业经验显示制作一部 AI 短漫剧从分镜到成片，平均需约十次生成尝试才能获得一次满意效果。这种反复尝试导致模型调用费用与人工筛选成本双重增加，成为阻碍 AI 内容规模化商业落地的核心痛点。在 10 月 30 日举办的腾讯全球数字生态大会多模态应用专场上，腾讯云、智象未来等企业代表分享了针对这一矛盾的技术解决方案与实测数据。
针对视频制作中角色形象、动作衔接及空间关系一致性的难题，腾讯云副总裁李志成介绍，WAND 体系引入了“白模前置”策略。该方法首先利用 3D 软件生成简化的场景视频，明确物体位置与运动关系，将其作为视觉约束参考输入视频生成模型，从而在正式生成前降低不确定性。针对已生成但存在局部瑕疵的素材，WAND-EraseVibe+ 采用基于隐空间 Transformer 的生成式修复架构，通过编码、推断与重建步骤修复错误区域，避免全量重生成带来的资源浪费。在模型优化层面，WAND-Vega 并非从零训练的基座模型，而是基于腾讯混元及开源模型进行后训练调优，提供侧重性价比的 Lite 版与侧重质量的 Pro 版，以满足电商、短剧等垂直场景对特征保留与成本控制的差异化需求。
在实际应用层面，漫森文化助理总经理谭琳披露，团队接入 WAND 的视频生成、修复与增强能力后，原本约 30% 的镜头可用率提升至 50%-80% 区间，并通过精细化运营稳定在 80%。这使得精品 AI 短剧单部成本从 10 万-20 万元基础上再节约 30%，整体效率提升 30%。紫讯科技联合创始人杜玉生表示，其服务的跨境电商 B 端客户在接入 WAND-Vega 后，图片素材有效使用率从 50%-60% 跃升至 70%-80%，直接降低了获取相同业务效果的素材成本。此外，平台统计数据显示，82% 的视频模型调用已由 Agent 发起，标志着生产流程正从手动调用向自动化编排演进。
影响分析
对于中文开发者与内容创作者而言，这一技术路线意味着 AI 视频生产的成本结构正在发生重构，单纯降低单次 API 调用价格已不再是唯一降本途径，提高生成结果可用率成为更具杠杆效应的方向。漫森文化与紫讯科技的数据表明，当可用率从 30% 提升至 80% 时，综合成本可下降约 30%，这一比例远超单纯追求模型价格降低带来的收益。对于从事电商素材制作或短剧开发的从业者，关注点应从“寻找最便宜的模型”转向“选择具备修复与增强能力的工具链”，通过减少无效生成次数来优化整体投入产出比。
然而，这也对技术团队提出了新的能力要求。企业需具备将 3D 白模、视频修复、画质增强等环节串联的能力，并构建 Agent 工作流以管理复杂依赖关系。智象未来沈伟峰强调，专业影视团队不仅需要结果生成，更要求过程可控与中间结果可编辑。这意味着开发者在选型时，不能仅关注最终画面的逼真度，还必须考察工具是否支持在关键节点人工介入、局部修改及保留中间资产。若工具每次均全量重新生成且无法编辑中间状态，即便自动化程度高，也不适合严肃的商业级连续叙事生产。
适用边界
上述降本结论主要适用于拥有规模化内容生产需求的团队，且任务场景需具备可结构化的空间与运动约束。对于非连续性的单帧图像生成，或空间关系极其复杂、运动轨迹难以通过简化 3D 白模准确表达的自由创作场景，白模前置策略的适用范围有限。此外，隐空间修复技术主要针对局部瑕疵（如错误字幕、微小画面破绽），若视频存在核心逻辑错误或大幅度叙事偏差，修复成本可能高于重新生成。该结论也不适用于完全依赖纯文本提示词、且对中间过程无任何控制需求的极简个人轻量级创作场景，此时固定工作流与 Agent 的复杂优势体现不明显。
孤本观察
本次行业共识揭示了一个关键趋势：AI 视频竞争壁垒正从“生成能力”单点竞赛，转向“生成+控制+修复”组合工程能力的比拼，可用率而非生成速度正在取代价格成为新的核心采购指标。
来源：InfoQ 中文 AI（https://www.infoq.cn/article/xd9o6TyQ8GLON3dmiWpG?utm_source=rss&utm_medium=article）
常见问题
漫森文化接入 WAND 技术后，镜头可用率具体提升到了多少？制作单部短剧的成本节约比例是多少？
镜头可用率从 30% 提升至 50%-80%，并稳定在 80% 左右；制作单部短剧成本在 10 万-20 万元基础上再节约 30%。
WAND-Vega 模型针对不同客户有哪些版本？它基于什么进行优化，而非从零训练？
WAND-Vega 提供侧重性价比的 Lite 版和侧重质量的 Pro 版；它是基于腾讯混元及开源模型进行后训练调优的，并非从零训练的基座模型。
腾讯云 WAND 体系如何降低视频生产中的“抽卡”成本？其核心技术路径包含哪些步骤？
核心路径为“白模前置”：先用 3D 软件生成简化场景视频作为视觉约束参考，再结合 WAND-EraseVibe+ 进行隐空间修复局部瑕疵，避免全量重新生成。
目前 AI 视频生成工作中，Agent 自动发起模型调用的比例是多少？工作流自动化是否存在限制？
82% 的视频模型调用已可通过 Agent 自动发起，实现从分镜到成片的自动化，但在关键节点仍需人工介入校验。
来源：InfoQ 中文 AI