一段视频生成十次，才有一次让制作团队满意……这是腾讯云 WAND 多模态应用负责人朱琳在群访中提到的漫剧行业痛点。

业内给这个问题起了个形象的名字—— " 抽卡 "。对内容团队来说，生成画面只是开始，反复修改，维持人物和场景的一致性是 AI 生成绕不开的成本。

10 月 30 日，在腾讯（00700.HK）全球数字生态大会现场，腾讯云副总裁、媒体 AI 产品负责人李志成和腾讯云 WAND 多模态应用负责人朱琳谈到新推出的 WAND-Vega。腾讯云想解决的，正是这类 " 抽卡 " 难题：通过面向具体场景调优的模型，结合擦除和修复等能力，减少生成返工，让更多素材能直接进入下一步制作。

一条产品线，两种生意

腾讯云副总裁、媒体 AI 产品负责人李志成 顾群生 / 摄

采访中，李志成将 Vega 定位为 " 应用侧模型 "。它基于混元等多模态基础模型及行业模型，再经过后训练和场景调优，面向具体音视频业务需求。

朱琳对财闻表示，Vega 并非要与通用基础模型直接比拼，而是要补上垂直场景里的问题。

Vega 目前主要提供 Lite 和 Pro 两个方向。朱琳说，Lite 更看重性价比，适合批量生产；Pro 追求效果，面向专业创作团队。

朱琳称，按照行业经验，漫剧从分镜走到短片，可能要生成约 10 次，才有一次达到满意效果。客户希望减少反复生成和返工，腾讯云的做法是把 Vega 与擦除、修复、生成式增强等音视频处理能力组合起来。她表示，从客户反馈来看，叠加这些能力后，素材可用率可以达到约 80%。

李志成提到了另一种方式：先用 3D 软件生成一个较简单的预演视频，再交给视频生成模型继续处理。

腾讯云视频云团队此前做过云渲染，李志成称，团队把这部分经验用于生成流程，希望通过预演画面补充空间、光影和物理关系信息，改善复杂场景的生成效果。他举例说，在效果能够对齐行业同类大模型的部分场景里，成本可以低 20% 至 30%。

TapNow.AI 联合创始人曹如盛也谈到 " 白模 " 在创作流程中的作用。他提到用户通过语音描述场景，再由系统生成白模并交给模型渲染。

客户嘴里说出来的，和报表上看到的

漫森文化助理总经理谭琳称，公司过去做真人短剧时，月产量约 50 至 60 部；转向 AI 短剧后，最近一个月产量达到 133 部，目前月产量约 130 至 150 部。她说，公司搭建了自研制作平台，腾讯云 WAND 是其合作伙伴之一。

10 月 29 日，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生于全球数字生态大会上透露，目前，WAND 已服务 90% 的头部短漫剧出海企业。

AI 提高产能，并不自动带来更高利润。

腾讯云 WAND 多模态应用负责人朱琳 顾群生 / 摄

朱琳在群访中说，相比传统云服务，AI 服务单价仍然较高，真正把 AI 用起来并实现盈利的客户还在发展阶段。李志成也反复强调，做模型和方案最终要回到客户价值。电商客户看重的则是商用内容是否可靠。紫讯 LinkFox 联合创始人杜玉生称，LinkFox 服务的主要是企业客户，生成的图片、文字和视频会用于商业运营，因此客户对正确率要求很高。

据财闻了解，LinkFox 于 2023 年推出；截至 2026 年 5 月 31 日，用户通过 LinkFox 完成的 AI 图像生成请求超过 8500 万次。

版本会收拢，" 服务保证 " 不会下线

对于 Vega 视频模型的版本设置问题，李志成坦言，针对不同场景推出过多个版本，可能让客户难以选择。

他说，产品团队曾希望通过不同版本和定价服务专业场景，但 " 给客户带来麻烦了 "。他说，如果 18 个场景对应 18 个版本和价格，客户就要先判断自己该选哪一个，产品使用反而变复杂。" 后面肯定会统一 "，他表示。

朱琳补充说，Lite 主打性价比，Pro 追求效果；产品早期会通过不同版本探索客户需求，再逐步收拢。她表示，部分版本服务着有长期使用需求的企业客户，因此不会简单下线；只要客户仍在使用，腾讯云会提供稳定服务。

" 稳定 " 一词，贯穿了采访始终。

李志成在开场时解释，WAND 这个名字来自英文 "wand"，意指魔杖，寄托了团队对 AI 能力的想象。今年 6 月份刚刚发布 WAND 的时候，腾讯给它的定位是 "AI 原生多媒体能力底座 "；今天谈论的则是 " 多模态 AI 跑通商业内容生产 "。

强大的模型能力，最终需要落实到生产线上的稳定交付。