← Toutes les actualités

Tencent Cloud WAND : environ dix générations pour un plan exploitable, comment calculer le coût

Selon un article d'InfoQ Chine du 8 novembre 2026, Zhu Lin, responsable de WAND chez Tencent Cloud, indique qu'il faut environ dix générations pour obtenir un résultat satisfaisant dans un court drama d'animation IA. Tencent Cloud affirme que WAND a permis à ses clients de réduire d'environ 20 % le coût global de production, et que le taux de plans utilisables de Manson Culture est passé d'environ 30 % à 50 %—80 %. L'article ne donne ni prix, ni mode de facturation, ni poids, ni API publique de WAND.

Publication Mise à jour
Image de couverture de l’article original — Tencent Cloud WAND : environ dix générations pour un plan exploitable, comment calculer le coût
Image de couverture de l’article originalArticle original ↗

Ce qui change

Selon un article d'InfoQ Chine du 8 novembre 2026, Zhu Lin, responsable des applications multimodales de Tencent Cloud WAND, a déclaré lors de la session consacrée aux applications multimodales de la Conférence mondiale de l'écosystème numérique de Tencent du 30 octobre et lors d'entretiens après l'événement que, selon l'expérience du secteur, un court drama d'animation IA pouvait nécessiter environ dix tentatives de génération, du storyboard au montage final, pour obtenir un résultat satisfaisant. L'article en déduit que les services multimodaux sont généralement facturés au nombre d'appels, à la durée de vidéo ou aux spécifications de sortie, et que le prix d'une génération ne correspond pas au coût d'un plan final. Il illustre cela avec des chiffres hypothétiques : si une génération coûte 10 yuans et qu'il en faut environ dix pour un plan utilisable, le coût de génération seul s'élève à environ 100 yuans ; si le taux d'utilisabilité monte à environ 50 %, deux tentatives suffisent en moyenne, pour environ 20 yuans. Ces chiffres sont un calcul illustratif de l'article, pas un tarif d'un quelconque fournisseur. Tencent Cloud affirme que sa famille de produits d'IA audio-vidéo WAND, lancée cette année, a permis à ses clients de réduire d'environ 20 % le coût global de production de contenu. Les propos des clients interrogés sont plus nuancés : Tan Lin, directeur adjoint de Manson Culture, indique que le taux de plans utilisables est passé d'environ 30 % à 50 %—80 %, et peut se stabiliser autour de 80 % après une exploitation fine ; le coût d'un épisode de court drama IA haut de gamme de cette société se situe entre environ 100 000 et 200 000 yuans, et l'usage des capacités liées à WAND permet d'économiser environ 30 % de coût supplémentaire et d'améliorer d'environ 30 % l'efficacité globale. Du Yusheng, cofondateur de Zixun Technology, indique qu'après l'adoption de WAND-Vega, le taux d'utilisation effective des images est passé de 50 %—60 % à 70 %—80 %. Sur le plan technique, Li Zhicheng, vice-président de Tencent Cloud et responsable des produits d'IA média, indique que WAND-Vega n'est pas un modèle de base généraliste entraîné de zéro, mais qu'il repose sur un post-entraînement et un réglage de Hunyuan de Tencent et de certains modèles de base open source ; il propose une version Lite axée sur le rapport coût-performance et une version Pro axée sur la qualité de génération. L'article indique que, sous réserve d'une qualité globalement alignée sur certains modèles grand public du secteur, les solutions destinées aux clients sensibles aux coûts peuvent réduire d'environ 20 %—30 % le coût des modèles. Tencent Cloud décrit deux procédés d'ingénierie : d'une part, la pré-production d'une maquette 3D simplifiée pour les scènes cinématographiques complexes, en générant d'abord une vidéo de scène simplifiée avec un logiciel 3D afin de fixer la position des objets, les relations spatiales et une partie des informations de mouvement, puis en la fournissant comme référence au modèle vidéo ; d'autre part, WAND-EraseVibe+, un effacement et une reconstruction d'image vidéo fondés sur un Transformer dans l'espace latent, qui encode d'abord l'image en caractéristiques latentes, infère et reconstruit la zone à réparer au niveau des caractéristiques, puis décode. L'enchaînement par un workflow d'agents du scénario, du storyboard, de la génération d'images, du post-traitement et du montage est la méthode employée par Manson Culture pour intégrer les capacités de génération vidéo et d'amélioration de qualité de WAND dans sa propre plateforme de production ; ce n'est pas une capacité produit divulguée par Tencent Cloud. Un autre responsable métier a par ailleurs déclaré sur place que 82 % des appels aux modèles vidéo de Creative OS, sa plateforme, étaient déjà initiés par des agents ; l'article ne précise pas à quelle société appartient cette plateforme ni la période de statistique. Li Zhicheng indique également que même les modèles de génération vidéo de tête du secteur rencontrent encore des problèmes non résolus dans les scènes cinématographiques où l'éclairage et les lois physiques sont complexes. L'article cite aussi une étude publiée en septembre de cette année sur la génération de films à partir de récits très longs (CineCrew), qui estime que les workflows actuels fondés sur des prompts échouent facilement, notamment parce qu'il manque une couche intermédiaire structurée entre le scénario et le modèle vidéo, incapable d'exprimer suffisamment les contraintes de plan, de personnage et de continuité.

Conséquences pour les développeurs

L'intérêt de cet article pour les développeurs ne réside pas dans l'arrivée d'un produit de génération vidéo de plus, mais dans le déplacement du repère de coût : lorsque la facturation se fait à l'appel ou à la durée, ce qui détermine réellement la facture est le nombre de générations nécessaires derrière chaque élément utilisable. En poussant d'un cran le calcul illustratif de l'article — si le prix unitaire et le critère d'acceptation restent inchangés —, le coût de génération par élément utilisable varie approximativement comme l'inverse du taux d'utilisabilité au premier essai : passer d'un taux de 10 % à 50 % fait tomber le coût à environ un cinquième, et non à la moitié. Autrement dit, le coût de la production en série est très sensible au taux d'utilisabilité ; le budget de nouvelles tentatives, l'attente en file et la sélection manuelle augmentent ou diminuent en même temps. Il s'agit là d'une déduction tirée de l'exemple chiffré de l'article, et non d'une validation de l'effet de WAND. L'article ne donne ni le nom d'API de WAND, ni les limites de débit, ni les régions, ni la concurrence, ni les SLA, et ne précise pas si la facturation se fait à l'appel, à la durée ou aux spécifications de sortie. Avant de l'intégrer à une chaîne de production, il faut donc concevoir le nombre de tentatives, l'idempotence des tâches et la comptabilité des éléments en supposant le pire : plusieurs tentatives sur un même storyboard doivent pouvoir être identifiées comme une même tâche, et les éléments validés doivent être verrouillés sur disque pour éviter qu'une réparation ou une nouvelle mise en page ultérieure ne déclenche une nouvelle génération. La contrainte en amont de la génération mérite une évaluation à part : la maquette 3D sépare « ce que dit le scénario » et « comment filmer le plan ». Si l'intégrateur dispose déjà d'un outil de storyboard ou d'actifs 3D, ce qu'il ajoute est une couche de conversion et de validation de données, et non un appel de modèle. La réparation locale permet-elle d'économiser dépend aussi des conditions d'ingénierie : elle n'est plus avantageuse qu'une régénération complète que si le défaut peut être localisé et si la réparation ne modifie pas les zones déjà validées. Quant à l'orchestration par agents, le chiffre de 82 % de l'article manque de définition et de période de statistique, et les personnes interrogées soulignent que les équipes professionnelles exigent des résultats intermédiaires vérifiables et éditables : la limite de l'automatisation dépend donc de la conservation structurée de vos produits intermédiaires.

Intégration et évaluation

Les conseils ci-dessous sont conditionnels et fondés sur l'article ; ce ne sont pas des faits rapportés. Première décision : définir d'abord les indicateurs, puis parler de prix unitaire. Face à l'expérience des dix générations et à la fourchette de taux d'utilisabilité de 30 % à 80 % citées dans l'article, il s'agit de choisir le taux d'utilisabilité au premier essai et le nombre de générations par élément utilisable (échecs et nouvelles tentatives compris) comme indicateurs principaux, plutôt que de comparer d'abord le prix d'une génération. Cela suppose que vous disposiez d'un lot de tâches de hold-out avec des conclusions d'acceptation et que le critère d'acceptation puisse être écrit ; si le critère peut être jugé automatiquement (par exemple, une image e-commerce conserve-t-elle la forme, la couleur et le logo de la marque), vous pouvez lancer directement le traitement par lots ; s'il s'agit de récits multi-plans, commencez par un petit échantillon. Le critère mesurable est la comparaison, sur le jeu de hold-out, du taux d'utilisabilité au premier essai et du nombre total de générations par élément utilisable avant et après intégration. Deuxième décision : faut-il ajouter une couche de contraintes structurées avant la génération ? Cela correspond à l'introduction d'une maquette 3D comme référence pour les scènes cinématographiques complexes. Il s'agit d'insérer entre le prompt et le modèle vidéo une couche explicite de disposition de scène, de position des objets et d'enchaînement des plans. Cela suppose que, dans vos échantillons d'échec, les problèmes de relations spatiales et de continuité entre plans soient plus fréquents que les problèmes de qualité d'image ; si les échecs viennent surtout de la qualité ou du style, le retour sur cet investissement sera faible. Le critère mesurable est l'écart de taux d'utilisabilité au premier essai et de nombre de régénérations complètes, sur un même lot de storyboards, avec et sans contraintes. Troisième décision : comment répartir la réparation locale et la régénération complète ? Cela correspond à la réparation générative dans l'espace latent de WAND-EraseVibe+. Il s'agit d'inscrire dans le processus la localisation du défaut, la réparation locale et la conservation des zones déjà validées, et de ne l'utiliser que lorsque le sujet principal a déjà passé l'acceptation. Cela suppose que le défaut puisse être localisé sur un intervalle de temps et une zone d'image précis, et que vous puissiez vérifier que les zones non modifiées n'ont pas changé. Le critère mesurable est la proportion de modifications dans les zones déjà validées après réparation, et la baisse éventuelle du nombre de générations par plan utilisable. Quatrième décision : le routage par niveaux. Cela correspond à l'existence des niveaux Lite et Pro de WAND-Vega et à l'affirmation d'une réduction d'environ 20 %—30 % du coût des modèles pour les solutions sensibles aux coûts. Il s'agit de répartir selon le poids du plan dans le montage final, plutôt que d'utiliser un seul niveau pour toute la vidéo. Cela suppose que vous puissiez classer les plans par importance et accepter que les seuils d'acceptation diffèrent selon le niveau. Le critère mesurable est, à seuil d'acceptation identique, le taux de réussite et le coût modèle par plan utilisable de chaque niveau ; si le niveau bas fait nettement chuter le taux de réussite sur les plans clés, il ne faut pas l'échanger contre une baisse de prix. En cas d'orchestration par agents, on peut ajouter : placer les points d'intervention humaine sur la modification des éléments déjà validés, et mesurer par le taux d'intervention humaine et le taux de conservation des éléments après intervention s'il vaut la peine de poursuivre l'automatisation.

Limites et points à confirmer

Tous les chiffres cités ici proviennent de Tencent Cloud et de ses clients, dans le cadre de leur propre conférence et d'entretiens ; il s'agit d'informations déclarées par le fournisseur. L'article ne précise ni la définition statistique ni l'échantillon du passage de 30 % à 80 % du taux d'utilisabilité, de l'économie de 20 % du coût global ni de la réduction de 20 %—30 % du coût des modèles, et aucune reproduction par un tiers n'est mentionnée ; il convient de conserver cette attribution lors des citations. WAND et WAND-Vega n'apparaissent pas actuellement dans le catalogue de modèles de KimiSeek, ce constat étant fondé sur la vérification du catalogue au 12 novembre 2026 ; la disponibilité, les niveaux de version et les modalités d'intégration mentionnés dans l'article renvoient aux canaux propres de Tencent Cloud et doivent être vérifiés dans sa documentation officielle. L'article indique seulement que WAND-Vega repose sur un post-entraînement et un réglage de Hunyuan de Tencent et de certains modèles de base open source ; il ne dit pas si les poids sont ouverts, et l'on ne peut en déduire aucune clause de licence — la disponibilité des poids et les droits de licence sont deux choses distinctes. L'article ne donne pas le prix ni le mode de facturation précis de WAND ou de WAND-Vega, et ne révèle que les baisses de coût ; les prix et la facturation évoluent, il faut consulter la page tarifaire officielle de Tencent Cloud, et le calcul illustratif de cet article ne doit pas être utilisé comme un tarif. Concernant Creative OS et le chiffre de 82 % d'appels initiés par des agents, l'article ne précise ni la société propriétaire ni la période de statistique. L'étude CineCrew mentionnée (septembre 2026) et l'affirmation selon laquelle les modèles vidéo de tête du secteur rencontrent encore des problèmes non résolus dans les scènes à éclairage complexe sont des références de contexte et des opinions de personnes interrogées ; elles ne constituent pas une validation indépendante de l'effet de WAND.

Trois minutes jusqu’au premier appel

Créez un compte et une clé API. Le coût des appels est déduit de votre solde. 30 % de réduction sur la première recharge. Rechargez ¥500, payez ¥350, recevez ¥500 de crédit. Rechargez ¥1000, payez ¥850, recevez ¥1000 de crédit Vous pouvez toujours commencer par une recharge d’essai de ¥10.

Sources et méthode éditoriale

AI 生成视频何时才能告别“抽卡”?藏在高效生成背后的返工与成本难题

L’IA a assisté l’analyse et la traduction des sources citées, suivies de contrôles automatiques. Les conseils ne sont pas des résultats de tests. Consultez le catalogue actuel pour les prix et la disponibilité.