京东开源JoyAI-Video-Edit 实时互动视频编辑更省心

近期，京东正式对外宣布，开源自研的实时流式视频编辑模型JoyAI-Video-Edit。这款全新的开源模型打破了传统视频创作“先拍完素材、再慢慢后期修改”的老模式，用户可以一边实时观看视频画面，一边直接修改里面的人物形象、场景细节，全程不用漫长等待渲染，实现了边看边改的流畅互动编辑体验。

很多做过视频剪辑的人都有过类似的糟心经历：对着一段视频素材想调整某个画面里的人物穿搭、替换背景场景，用传统AI编辑工具操作完，得等好几分钟甚至十几分钟的渲染时间才能看到修改后的效果，要是改完发现不满意，又得重新调整参数再等一轮渲染，来回折腾好几次，大半天时间就耗进去了。京东这次开源的JoyAI-Video-Edit，就专门瞄准这个行业痛点做了核心突破，把视频编辑的响应速度提升到了实时流式的水平，你刚在操作界面输入修改指令，几乎立刻就能在播放窗口里看到画面的变化，不用再漫长等待渲染。

根据公开的技术测试结果，在流式实时视频编辑这个方向上，JoyAI-Video-Edit的各项表现指标都全面超过了当前业内的代表性模型，整体能力达到了世界一流水平。普通用户用它做短视频创作的时候，不用再掌握复杂的专业剪辑软件操作，只需要用自然语言说出自己的修改想法，就能实时看到画面调整的效果，哪怕是完全没有剪辑经验的新手，也能轻松做出效果不错的创意视频。专业创作者也能靠它大幅提升工作效率，调整视频细节的时候不用反复等待渲染，边看边改快速迭代创意，把更多精力放在内容构思上，而不是耗在等待渲染的时间里。

这次开源的JoyAI-Video-Edit，也是京东面向物理世界打造的JoyAI大模型矩阵里的重要一环。目前京东已经搭建起了覆盖多个核心方向的完整基础模型体系：JoyAI-Image-Edit负责让AI精准理解和编辑空间图像内容，JoyAI-Echo主打长音视频的高质量生成，JoyAI-VL-Interaction能让AI持续观察画面并实时给出回应，JoyAI-Talker提供流畅自然的实时语音交互能力，JoyAI-RA则专门面向机器人操控场景做优化，整套模型矩阵覆盖了语音、图像、视频、实时交互、具身智能等多个核心领域。

JoyAI-Video-Edit的正式开源，不仅给视频创作领域带来了一款实用的新工具，也为后续具身智能的大规模数据合成积累了扎实的底层技术。依托这套实时视频编辑能力，后续可以快速生成海量贴近真实物理世界的动态场景数据，给机器人、智能终端的训练提供充足的素材支撑，为京东正在加速建设的全球最大物理世界运营中心提供配套的AI技术底座。

目前这款实时流式视频编辑模型已经正式对外开源，所有开发者和创作者都可以直接获取使用，后续京东也会持续迭代优化模型能力，把更流畅的实时编辑体验开放给全行业用户。