京东开源JoyAI-Video-Edit：视频「边播边改」，实时流式编辑颠覆内容创作

2026年8月5日，京东正式宣布开源自研实时流式视频编辑模型JoyAI-Video-Edit。该模型打破传统视频「先成片再剪辑」的固有模式，用户可以在视频播放过程中，一边观看一边实时修改画面中的人物、场景、物体及整体风格，无需等待整段素材处理完成。这一能力在业内尚属首创，京东黑板报将此描述为「让视频创作从『先有素材再修改』变为可实时互动编辑」。

技术突破：从「后剪辑」到「流式实时」

传统视频编辑依赖后期处理，流程冗长、反馈周期慢。JoyAI-Video-Edit 依托 JoyAI 基础大模型底座，实现了对视频流的实时推理与修改，无需预设视频时长即可稳定处理连续画面。设备在 720P 分辨率下可稳定实现每秒 30 帧（30 FPS），画面处理无明显延迟卡顿，适配常规视频播放同步修改需求。

权威评测：全面领先全球同类模型

在 OpenVE-Bench 通用评测基准中，JoyAI-Video-Edit 对比当前业内所有流式编辑方法，各项指标全面领先，尤其在以下任务中优势突出：

应用场景：从零售营销到自动驾驶训练

JoyAI-Video-Edit 的实时流式编辑能力可覆盖多类真实场景：

• 零售营销：直播带货中实时替换商品展示背景，缩短内容制作周期；
• 家装设计：用户实时预览家具摆放、装修风格切换效果；
• 影视制作：导演现场实时调整演员位置与场景元素，大幅提升拍摄效率；
• 自动驾驶数据合成：模型可模拟极端天气、复杂路况等低频场景，为系统测试和训练自动化生成海量真实感视频数据，解决具身智能训练中数据稀缺的核心痛点。

开源与部署现状

京东已开放模型权重、部署代码和在线演示。消费级显卡适配仍在推进中，预计未来将降低中小企业和个人创作者的使用门槛。京东同时透露，该技术将为其建设全球最大物理世界运营中心提供底层支撑。

FAQ

Q1：JoyAI-Video-Edit 与普通视频滤镜有何本质区别？

滤镜和美颜作用于整个画面或人脸区域，是像素级风格变换；JoyAI-Video-Edit 则基于大模型理解语义，可在播放过程中对特定人物、物体或场景进行语义级实时替换与修改，技术含量和计算复杂度完全不同。

Q2：30 FPS 的实时性是如何实现的？

JoyAI-Video-Edit 采用流式推理架构，不需要等待整段视频处理完毕，而是逐帧连续处理。依托 JoyAI 基础大模型底座的推理优化，720P 分辨率下稳定达到 30 FPS，基本与标准视频帧率同步。

Q3：普通用户现在能否使用这一技术？

目前已开放模型权重、部署代码和在线演示。面向消费级显卡的本地适配仍在推进，中小企业和开发者可先行通过云端演示体验。

Q4：该技术对具身智能训练有何意义？

具身智能（如人形机器人、自动驾驶）需要大量真实场景视频数据进行训练，但低频场景（如暴雪、泥泞路面）数据采集成本极高。JoyAI-Video-Edit 可自动化合成这类稀缺场景视频，大幅降低训练数据获取成本，加速具身智能算法迭代。