京东近日宣布，正式开源其自主研发的实时流式视频编辑模型——JoyAI-Video-Edit。这一创新技术突破了传统视频编辑的局限，允许用户在观看视频的同时，实时修改人物形象、场景布局或画面风格，将视频创作从“先拍摄后编辑”的模式转变为“边观看边创作”的互动体验。
在实时视频编辑领域，处理速度是核心挑战。视频由连续帧组成，若模型推理速度无法匹配播放节奏，便会导致卡顿或延迟。JoyAI-Video-Edit基于全自研的JoyAI-Video模型架构，在720P分辨率下实现了每秒30帧的流畅处理能力，既能保持画面清晰度，又能无缝跟随常见影视视频的播放速度，为实时互动编辑提供了技术保障。
该模型另一突破在于支持任意时长的流式编辑。此前同类模型仅能处理短至数秒、长至数分钟的片段，而JoyAI-Video-Edit可随视频持续播放同步处理，用户无需等待完整视频生成，即可在播放过程中动态调整场景、替换物体或改变画面风格。例如，创作者可让人物在视频中连续更换服装，或在直播中将现实街道实时转化为动画场景，甚至在家装设计中模拟不同家具、墙面和灯光的组合效果。
为验证模型性能，研究团队将其与SANA Streaming、LiveEdit、Xmax-X2.0等国际主流流式视频编辑模型进行对比。在覆盖典型编辑场景的评测数据中，JoyAI-Video-Edit在画面质量、编辑灵活性和响应速度等指标上均表现优异。在OpenVE-Bench通用评测中，该模型更以显著优势超越现有方法，尤其在全局风格迁移、局部物体替换与删除、字幕编辑等任务中展现出突出能力。
除视频创作领域外，JoyAI-Video-Edit还为具身智能训练提供了低成本数据合成方案。机器人训练依赖大量物体操作视频，但真机数据采集成本高昂，且危险或罕见场景难以重复获取。该模型通过可控编辑能力，可将人类操作视频转化为机械臂训练素材，在保留物体位置、空间关系和动作轨迹的同时，替换场景、物体或机器人形态，从而将单一视频扩展为多样化训练样本，大幅降低数据获取门槛。
目前，JoyAI-Video-Edit已通过开源平台向全球开发者开放，其代码与模型权重均可自由获取，旨在推动实时视频编辑技术的普及与创新应用。
