A Tencent Cloud anunciou o lançamento do WAND-Vega, um modelo de aplicação multimodal, bem como um serviço de interação em tempo real chamado Real-time Intelligence e um agente de IA de voz para seu contact center na nuvem. Esses produtos foram apresentados em uma sessão multimodal no âmbito da Cúpula do Ecossistema Digital Global da Tencent em 30 de outubro de 2026.
O WAND é uma marca da Tencent Cloud especializada em IA de áudio e vídeo. Ele integra o modelo Hunyuan e outros modelos multimodais principais, incluindo o WAND-Vega, além de mais de 100 ferramentas para processamento de conteúdo multimídia. Essas ferramentas abrangem geração, compreensão, processamento e codificação, e as empresas podem utilizá-las através de APIs padrão e produtos de nuvem existentes.
A versão atualizada do WAND-Vega é baseada em modelos de código aberto amplamente utilizados, que a Tencent otimizou significativamente. Ele é capaz de gerar e compreender imagens, vídeos e fala, e foi configurado para uso em áreas como publicidade, comércio eletrônico, séries dramáticas curtas e quadrinhos, bem como em plataformas de ferramentas de criação de conteúdo de IA. Além disso, o modelo preliminar Hy Image 3.5, lançado em setembro, juntou-se ao WAND para criar conteúdo visual para pôsteres, storyboards e comércio eletrônico.
De acordo com declarações da Tencent, o WAND agora atende a mais de 2000 empresas e produz mais de 4,5 milhões de imagens e 3 milhões de segundos de vídeo diariamente, permitindo que os clientes reduzam os custos totais de produção de conteúdo em cerca de 20%. A empresa observa que a criação de uma série dramática curta, que antes levava semanas, agora pode ir do roteiro à edição final em apenas algumas horas. Durante a Copa do Mundo de 2026, o WAND forneceu serviços técnicos às plataformas de transmissão oficiais em 17 países e regiões. Em futuros encontros da APEC na China, o sistema será responsável pela distribuição de sinais de mídia, legendagem multilíngue por IA e adaptação para tela vertical para dispositivos móveis no centro de mídia.
O serviço Real-time Intelligence utiliza uma rede global de baixa latência e soluções de engenharia em tempo real da Tencent, adicionando recursos de reconhecimento de fala, síntese de fala e renderização em tempo real. Ele oferece dois tipos de agentes: agentes de diálogo em tempo real permitem que os usuários interrompam a conversa e façam perguntas de esclarecimento sem interromper o diálogo, enquanto agentes de compreensão em tempo real convertem fala dispersa em informações estruturadas. As empresas podem integrar todo o pacote ou funcionalidades individuais, como tradução simultânea e geração de vídeo em tempo real. A Tencent informa que este serviço é aplicado em saúde, logística, companhia baseada em IA e treinamento de entrevistas.
O agente de IA de voz para Contact Center da Tencent Cloud utiliza um modelo de diálogo otimizado para chamadas telefônicas para gerenciar chamadas de entrada, contatos de acompanhamento de saída e respostas trocadas com pessoal humano, visando resolver problemas, e não apenas respondê-los. Ele está implementado nos setores automotivo, financeiro, de seguros, logístico e de manufatura.
Para operações de inferência, é usado o EdgeOne Booster, que garante aceleração de rede, segurança e execução de modelos em nós periféricos localizados perto dos usuários. A Tencent afirma que, graças a isso, o robô Moya da DroidUp se tornou 30% mais rápido em fornecer a primeira resposta e reduziu a trepidação da interação em 4,6 vezes. A Tencent Cloud também colabora com a AgiBot e a DroidUp em inteligência artificial incorporada.
