8月5日，京东宣布开源自研的实时流式视频编辑模型JoyAI-Video-Edit，彻底破解上述难题。用户可以一边观看视频，一边修改人物与场景，让视频创作从“先有素材再修改”变为可实时互动编辑。在流式实时视频编辑方向，JoyAI-Video-Edit对比当前业内代表性模型，各项指标全面领先，达到世界一流水平。 JoyAI-Video-Edit基于全自研JoyAI-Video模型，在720P分辨率下实现每秒30帧的模型推理速度，能够在保持较高画面清晰度的同时，跟上常见影视视频的播放节奏。此外，此前的流式编辑模型只能处理几秒或分钟级片段，而JoyAI-Video-Edit支持任意时长的稳定流式编辑，可以随着视频持续播放、持续处理。用户不必等待整段视频生成完成，就能在播放过程中实时修改场景、替换物体、调整人物形象或改变画面风格，实现“边观看边创作”。 为了评估模型能力，研究团队将JoyAI-Video-Edit与SANA Streaming、LiveEdit、Xmax-X2.0等国际上有代表性流式视频编辑模型进行对比。结果显示，在覆盖典型视频编辑场景的评测数据中，JoyAI-Video-Edit整体效果全面领先。 在业界权威的OpenVE-Bench通用评测中，模型超越了目前所有的流式编辑方法，在全局风格、局部替换、局部删除和字幕编辑等任务中优势尤其突出，大幅领先行业同类模型。这意味着，JoyAI-Video-Edit在保持实时流式处理优势的同时，也能准确理解编辑意图、稳定完成多类常用编辑任务，兼顾编辑速度与画面效果。 当前，京东正在加速建设全球最大物理世界运营中心，并已经形成面向物理世界的JoyAI模型矩阵：JoyAI-Image-Edit让AI理解与编辑空间，JoyAI-Echo面向长音视频生成，JoyAI-VL-Interaction让AI持续观察并实时回应，JoyAI-Talker提供实时语音交互能力，JoyAI-RA面向机器人操控，形成覆盖语音、图像、视频、实时交互与具身智能的基础模型体系。JoyAI-Video-Edit进一步提升了实时视频编辑能力，并为具身智能大规模数据合成积累底层技术。