6月3日，京东通知开源JoyAI-Echo长音视频生成框架。JoyAI-Echo科罚了行业三大痛点：扮装难剖析一致、音色变化难放置、视频生成速率慢，阻隔了长视频生成“又快又好”。此外，JoyAI-Echo的“边聊边改”花样，让视频创作从 "静态生成" 酿成 "动态调解"。

JoyAI-Echo在千般视频创作、数字东说念主直播、品牌营销、教训和游戏实践坐褥等领域有强大的诈欺后劲，它的推出，秀丽着京东在长视频生成领域阻隔要紧突破，进入各人第一梯队。

四大时候立异 科罚长视频生成三浩劫题

在AI视频领域，十几秒短视频的生成质料越来越熟识，但行业头疼的瓶颈依然存在：难以向分钟级长视频突破。AI视频一但拉到这一时长，就会出现以下问题：解除个扮装，在不同镜头里长得不相似；话语东说念主的音色忽高忽低以至霎时变声；生成速率慢到离谱，等几分钟以至半小时才能出阻隔。

以上问题，平直导致 AI 长视频停留在 "玩物" 阶段，很难着实参预坐褥、创造价值。JoyAI-Echo 的出现，透顶突破这个僵局。JoyAI-Echo 有四项时候立异：

一是跨模态音视频顾虑库，让扮装再也不 "变脸"。这亦然JoyAI-Echo 最要害的突破。模子框架内置了一个独特的顾虑库，能在多镜头生成过程中，握续保存并调用扮装的外不雅特征和话语东说念主音色信息。在长达 5 分钟的视频里，扮装身份、视觉形象和声息音色都能保握高度一致，再也不会出现 "解除个东说念主演着演着酿成另一个东说念主" 的苦处情况。

二是顾虑运转后造就，速率平直进步 7.5 倍。研发团队立异淡薄了顾虑运转后造就经由，皆集 SFT、跨模态 RLHF 和 Distribution Matching Distillation（DMD）时候，大幅进步了生成质料，更阻隔了惊东说念主的推理加快。

其中，仅 DMD 一项时候就带来了约 7.5 倍的速率进步，让长视频生成从 "等半天" 酿成 "秒出片"。

三是加入智能 "导演助理"——Director Agent，让长视频第一次阻隔 "对话式裁剪"。JoyAI-Echo 不再是 "输入教导词，一次性出阻隔" 的传统用具。你用当然语言说需求，它会自动帮你拆分红脚本、扮装、场景和镜头。那儿不自在，平直用对话的形势告诉它修改，它只从头生成有问题的局部镜头，无用重跑整条视频，让长视频创作从 "静态生成" 酿成了 "动态调解"。

四是轻量化及时超分，高清输出不卡顿。为了高亢专科实践坐褥的需求，JoyAI-Echo 配套了独特的及时超分模块，相沿两档永别率进步（736×1280 → 1152×1920，736×1280 → 1472×2560）。模块通过单步超分就能生成高永别率视频和详尽化音频，即使在流式蔓延的敛迹下，也能保握剖析的高清阐扬。

各项遐想全面跨越行业 “AI 长视频时间"到来

为了客不雅评估 JoyAI-Echo 的性能，研发团队基于 100 个故事、3000 个镜头构建了长音视频生成评测集，从多个维度进行了全面测试。阻隔线路，JoyAI-Echo 在跨镜头一致性、视频质料、文本一致性和语音实践准确率等统统中枢遐想上都获取了跨越阐扬，其汉文音实践准确率更是高达0.8646，大幅跨越行业其它同类模子。

在与行业同类模子对比中，用户觉得JoyAI-Echo音频质料偏好的比例为81.7%，教导词遵命偏好为80.6%，视觉好意思学偏好为63.6%，IP 一致性偏好为59.4%。

JoyAI-Echo 的推出，意味着AI 视频生成的 "长视频时间"来了。它为臆造故事创作和动漫制作、数字东说念主实践坐褥和直播、品牌营销视频快速迭代、互动教训课件生成等领域带来了全新可能，将大幅优化行业资本成果。JoyAI-Echo也预示着将来东说念主类不错像聊天相似，握续创作、修改和完善长视频实践，让高一致性、高画质、可交互的视频生成，着实走进每一个实践创作家的责任经由。

京东通知，JoyAI-Echo 的代码与权重已通盘开源，现在名目页和 GitHub 代码仓库仍是发扬上线，供确立者和创作家体验：

�� GitHub：https://github.com/jd-opensource/JoyAI-Echo

�� 名目主页：https://echo-team-joy-future-academy-jd.github.io/Echo-LongVideo-Page/欧洲杯体育