← Todas as notícias

Tencent Cloud WAND revela dados de produção de vídeo com IA: dez gerações para uma tomada aproveitável, como calcular o custo

Segundo o InfoQ China em 8 de novembro de 2026, Zhu Lin, responsável pelo WAND da Tencent Cloud, afirma que curtas de animação em IA exigem cerca de dez gerações para um resultado satisfatório; a Tencent Cloud diz que o WAND já ajudou clientes a reduzir cerca de 20% do custo total, e a Mansen Culture teve a taxa de aproveitamento de tomadas elevada de cerca de 30% para 50%–80%. A reportagem não informa preço, forma de cobrança, pesos nem API pública do WAND.

Publicado Atualizado
Capa da notícia original — Tencent Cloud WAND revela dados de produção de vídeo com IA: dez gerações para uma tomada aproveitável, como calcular o custo
Capa da notícia originalNotícia original ↗

O que mudou

Segundo um artigo do InfoQ China de 8 de novembro de 2026, Zhu Lin, responsável de aplicações multimodais do WAND da Tencent Cloud, declarou em 30 de outubro, na sessão de aplicações multimodais da conferência global de ecossistema digital da Tencent e em entrevista posterior, que, pela experiência do setor, um curta de animação em IA pode precisar de cerca de dez tentativas de geração, do storyboard ao filme final, para obter um resultado satisfatório. Com base nisso, o artigo observa que serviços multimodais costumam cobrar por número de chamadas, duração do vídeo ou especificação de saída, e que o preço por geração não equivale ao custo do produto final, ilustrando com um conjunto de números hipotéticos: se cada geração custar 10 yuans e forem necessárias cerca de dez para uma tomada aproveitável, só a geração custaria cerca de 100 yuans; se a taxa de aproveitamento subir para cerca de 50%, bastando em média duas tentativas, o custo cairia para cerca de 20 yuans. Esses números são o cálculo ilustrativo do artigo, não uma cotação de nenhum fornecedor. A Tencent Cloud afirma que sua família de produtos de IA para áudio e vídeo WAND, lançada este ano, já ajudou clientes a reduzir cerca de 20% do custo total de produção de conteúdo. Os clientes entrevistados dão números mais detalhados: Tan Lin, gerente-geral assistente da Mansen Culture, diz que a taxa de aproveitamento de tomadas subiu de cerca de 30% para 50%–80%, podendo estabilizar em cerca de 80% com operação refinada, que o custo por curta de IA premium da empresa é de cerca de 100 mil a 200 mil yuans e que, com os recursos do WAND, o custo caiu mais cerca de 30% e a eficiência geral subiu cerca de 30%; Du Yusheng, cofundador da Zixun Technology, diz que, após adotar o WAND-Vega, a taxa de uso efetivo de material de imagem subiu de 50%–60% para 70%–80%. No caminho técnico, Li Zhicheng, vice-presidente da Tencent Cloud e responsável de produtos de IA para mídia, diz que o WAND-Vega não é um modelo base generalista treinado do zero, mas sim pós-treinado e ajustado a partir do Hunyuan da Tencent e de alguns modelos base de código aberto, oferecendo uma versão Lite voltada ao custo-benefício e uma Pro voltada à qualidade de geração; a reportagem diz que, com desempenho basicamente alinhado ao de alguns modelos mainstream do setor, a solução para clientes sensíveis a custo pode reduzir cerca de 20%–30% do custo de modelo. Os meios de engenharia descritos pela Tencent Cloud incluem duas partes: primeiro, o pré-modelo 3D em branco para cenários cinematográficos complexos, gerando primeiro com software 3D um vídeo simplificado da cena para definir posições de objetos, relações espaciais e parte das informações de movimento, e depois entregá-lo como referência ao modelo de vídeo; segundo, o WAND-EraseVibe+, que faz apagamento e reconstrução de vídeo com Transformer em espaço latente, codificando primeiro o quadro em características latentes, inferindo e reconstruindo na camada de características a área a reparar e então decodificando. Já encadear roteiro, storyboard, geração de imagem, pós-processamento e edição com fluxos de trabalho de agentes é a forma como a Mansen Culture integrou os recursos de geração de vídeo e melhoria de qualidade do WAND ao seu próprio middle platform de produção, não uma capacidade de produto divulgada pela Tencent Cloud. Outro responsável de negócios presente no evento disse que 82% das chamadas de modelos de vídeo no Creative OS de sua plataforma já são iniciadas por agentes; a reportagem não informa a empresa dona da plataforma nem o período da estatística. Li Zhicheng também afirma que mesmo os modelos de geração de vídeo líderes do setor ainda têm problemas não resolvidos em cenários cinematográficos com luz e sombra e leis físicas mais complexas. O artigo também cita um estudo publicado em setembro deste ano sobre geração de filmes a partir de narrativas ultralongas (CineCrew), segundo o qual os fluxos de trabalho atuais baseados em prompts tendem a falhar, em parte porque falta entre o roteiro e o modelo de vídeo uma camada intermediária estruturada capaz de expressar plenamente restrições de enquadramento, personagem e continuidade.

Impacto para desenvolvedores

O significado desta reportagem para desenvolvedores não está em mais um produto de geração de vídeo, mas em deslocar a coordenada de custo: quando se cobra por chamada ou por duração, o que realmente determina a conta é quantas gerações cada material aproveitável consome. Estendendo o próprio cálculo ilustrativo do artigo, se o preço unitário e o critério de aceitação não mudarem, o custo de geração por material aproveitável varia aproximadamente com o inverso da taxa de aproveitamento na primeira rodada: passando de 10% para 50%, o custo cai para cerca de um quinto, não pela metade. Ou seja, o custo da produção em lote é extremamente sensível à taxa de aproveitamento, e o orçamento de retentativas, a espera na fila e a triagem manual crescem ou encolhem junto. Isso é uma inferência a partir do exemplo numérico da reportagem, não uma verificação do efeito do WAND. A reportagem não informa nome de API, limites de requisição, regiões, concorrência ou SLA do WAND, nem se a cobrança é por chamada, por duração ou por especificação de saída; por isso, antes de integrá-lo ao pipeline, o número de retentativas, a idempotência das tarefas e o registro de materiais devem ser projetados para o pior caso: várias tentativas do mesmo storyboard devem ser reconhecidas como a mesma tarefa, e materiais já aceitos devem ser gravados e travados para não disparar nova geração em reparos ou reedições posteriores. A etapa de restrição antes da geração merece avaliação separada: o modelo 3D em branco separa o que o roteiro diz de como a tomada é filmada; se quem integra já tem ferramenta de storyboard ou ativos 3D, o que se acrescenta é uma camada de conversão e validação de dados, não uma chamada de modelo. Se o reparo local economiza depende igualmente de condições de engenharia: só compensa em relação a regerar o trecho inteiro quando o defeito pode ser localizado e o reparo não altera áreas já aceitas. Quanto à orquestração por agentes, o número de 82% na reportagem carece de critério e período estatístico, e os entrevistados enfatizam que equipes profissionais exigem resultados intermediários verificáveis e editáveis, o que significa que o teto da automação depende de seus produtos intermediários serem guardados de forma estruturada.

Integração e avaliação

As sugestões abaixo são condicionais e baseadas na reportagem, não fatos da reportagem. A primeira decisão é definir o critério dos indicadores antes de discutir preço unitário. Correspondendo ao valor empírico de dez gerações e à faixa de aproveitamento de 30% a 80% na reportagem: a escolha é usar a taxa de aproveitamento na primeira rodada e o número de gerações por material aproveitável (incluindo retentativas falhas) como indicadores principais, em vez de comparar primeiro o preço por geração. A premissa é ter um lote de tarefas reservadas com conclusão de aceitação e um critério de aceitação que possa ser escrito; se o critério for automaticamente verificável (por exemplo, se uma imagem de e-commerce preserva forma, cor e marca), pode-se rodar em lote direto, e se envolver narrativa com várias tomadas, começar com uma amostra pequena. O critério mensurável é comparar, no conjunto reservado, a taxa de aproveitamento na primeira rodada e o total de gerações por material aproveitável antes e depois da integração. A segunda decisão é se vale adicionar uma camada de restrição estruturada antes da geração. Correspondendo ao uso do modelo 3D em branco como referência para cenários cinematográficos complexos na reportagem: a escolha é inserir entre o prompt e o modelo de vídeo uma camada explícita de layout de cena, posição de objetos e continuidade entre tomadas. A premissa é que, nas suas amostras de falha, problemas de relação espacial e continuidade entre tomadas sejam mais frequentes que problemas de qualidade de imagem; se as falhas vêm principalmente de qualidade ou estilo, o retorno desse investimento será baixo. O critério mensurável é a diferença de taxa de aproveitamento na primeira rodada e de número de regerações do trecho inteiro para o mesmo lote de storyboards com e sem a restrição. A terceira decisão é como dividir o trabalho entre reparo local e regeração do trecho. Correspondendo ao reparo generativo em espaço latente do WAND-EraseVibe+ na reportagem: a escolha é incorporar ao processo localizar o defeito, reparar localmente e preservar áreas já aceitas, limitando o uso a casos em que o corpo principal já passou na aceitação. A premissa é que o defeito possa ser localizado em um intervalo de tempo e uma região da imagem específicos e que você consiga verificar que as áreas não alteradas de fato não mudaram. Os critérios mensuráveis são a proporção de alteração nas áreas antes aceitas após o reparo e se o número de gerações por tomada aproveitável diminuiu. A quarta decisão é o roteamento por faixas. Correspondendo à afirmação de que o WAND-Vega tem versões Lite e Pro e que a solução sensível a custo alega reduzir cerca de 20%–30% do custo de modelo: a escolha é distribuir por peso da tomada no filme final, em vez de usar a mesma versão para o filme inteiro. A premissa é conseguir classificar as tomadas por importância e aceitar que os limiares de aceitação possam diferir entre faixas. Os critérios mensuráveis são, sob o mesmo limiar de aceitação, a taxa de aprovação e o custo de modelo por tomada aproveitável em cada faixa; se a faixa inferior tiver queda clara de aprovação em tomadas-chave, não se deve trocá-la por redução de preço. No caso de orquestração por agentes, acrescenta-se: coloque o ponto de intervenção humana na modificação de materiais já aceitos e meça com a taxa de intervenção humana e a taxa de retenção dos materiais após a intervenção se vale continuar automatizando.

Limites e pontos a confirmar

Todos os números aqui vêm de divulgações da Tencent Cloud e de seus clientes na própria conferência e em entrevistas, portanto são auto-relatados pelo fornecedor; a reportagem não informa critério estatístico nem amostra para a taxa de aproveitamento de 30% a 80%, para a economia de 20% do custo total e para a redução de 20%–30% do custo de modelo, nem há reprodução por terceiros, e essa atribuição deve ser mantida ao citar. O WAND e o WAND-Vega não aparecem atualmente no catálogo de modelos do KimiSeek, conforme verificação do catálogo em 12 de novembro de 2026; a disponibilidade, as faixas de versão e as formas de integração citadas na reportagem referem-se aos canais da própria Tencent Cloud e devem ser confirmadas em sua documentação oficial. A reportagem apenas diz que o WAND-Vega é pós-treinado e ajustado a partir do Hunyuan da Tencent e de alguns modelos base de código aberto, não menciona se os pesos são abertos e não permite inferir nenhum termo de licença — disponibilidade de pesos e direitos de licença são coisas distintas. A reportagem não informa preços nem forma de cobrança específicos do WAND ou do WAND-Vega, apenas as reduções de custo; preços e cobrança mudam, e deve-se consultar a página oficial de preços da Tencent Cloud, pois o cálculo ilustrativo deste texto não serve como cotação. Sobre o Creative OS e o número de 82% de chamadas iniciadas por agentes, a reportagem não informa a empresa dona nem o período estatístico. O estudo CineCrew (setembro de 2026) e a afirmação de que os modelos de vídeo líderes do setor ainda têm problemas não resolvidos em cenários de luz complexa são referências de contexto e opiniões de entrevistados, e não representam verificação independente do efeito do WAND.

Três minutos até a primeira chamada

Crie uma conta e uma chave de API. O custo das chamadas é descontado do seu saldo. 30% de desconto na primeira recarga. Recarregue ¥500, pague ¥350, receba ¥500 de saldo. Recarregue ¥1000, pague ¥850, receba ¥1000 de saldo A recarga mínima continua sendo ¥10, adequada para testes.

Fontes e processo editorial

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

A IA auxiliou a análise e a tradução das fontes citadas, seguidas de verificações automáticas. Recomendações não são resultados de testes. Consulte o catálogo atual para preços e disponibilidade.