京东开源JoyAI视频编辑模型，实现24帧实时流式修改

新智元 · wechat · 2026-08-07

京东开源 JoyAI-Video-Edit 模型，成为视频编辑赛道首个同时做到「流式架构+实时速度+可用质量」的模型。该模型在 720P 分辨率下推理速度达 30 帧每秒，支持任意时长的稳定流式编辑。

技术突破：采用 16B 参数多模态扩散 Transformer 架构，通过 SA-DMD 蒸馏方法将单帧迭代压缩至两步。结合「有界 KV 状态推理」限制记忆量，解决长视频自回归推理中的误差累积与画面漂移问题。
性能表现：在单张 B200 GPU 上端到端延迟仅 226 毫秒，吞吐量达 30.1 FPS。在 OpenVE-Bench 测试中总分达 3.60，不仅断层领先所有流式模型，甚至追平了 Runway Aleph 等主流离线商业模型。
应用场景：将「等渲染」的后期流程变为实时现场操作，可广泛应用于直播换装、实时风格化特效。此外，该模型还能将人手操作视频高效转换为机械臂训练数据，大幅缓解具身智能高质量物理交互数据稀缺的瓶颈。

「具身」频道最新