边看边改不卡顿！京东开源30帧流式视频编辑模型，跨界赋能具身智能

告别“先拍后剪”：实时互动重塑创作流

在传统的视频制作流程中，“先拍摄素材，再后期剪辑”几乎是不可打破的铁律。然而，京东最近开源的一款自研模型正在颠覆这一认知。这款名为 JoyAI-Video-Edit 的实时流式视频编辑模型，让创作者能够像玩即时战略游戏一样，一边播放视频一边对人物和场景进行“动刀”。从“后期精雕细琢”到“实时互动创作”，视频编辑的玩法正在被重新定义。

突破物理极限：30帧秒级推理与无限时长

要实现“边看边改”，首要跨越的鸿沟就是处理速度。如果 AI 的运算跟不上视频的播放帧率，画面就会陷入无尽的卡顿。依托全自研的 JoyAI-Video 底座，JoyAI-Video-Edit 在 720P 高清分辨率下，硬生生将模型推理速度拉升至每秒 30 帧。这意味着它不仅能保持画面的细腻清晰，还能完美契合主流影视内容的播放节奏，彻底告别延迟焦虑。

此外，过去的流式编辑工具往往只能处理几秒钟或几分钟的短片，而 JoyAI-Video-Edit 彻底打破了时长枷锁。它支持任意长度的稳定流式处理，视频播到哪，AI 就处理到哪。创作者无需苦等整片渲染，在播放过程中就能随心替换物体、调整人物造型或切换画面风格。

霸榜权威评测，四大核心任务表现惊艳

是骡子是马，拉出来遛遛。研究团队将 JoyAI-Video-Edit 与 SANA Streaming、LiveEdit 以及 Xmax-X2.0 等国际主流流式视频编辑模型进行了正面对比。结果令人振奋：在覆盖各类典型场景的测试中，该模型各项指标均实现了全面领跑。

特别是在业界公认的 OpenVE-Bench 通用评测中，JoyAI-Video-Edit 更是力压群雄，登顶现有流式编辑方法的榜首。它在全局风格转换、局部元素替换、局部内容删除以及字幕编辑这四大核心任务中展现出了压倒性优势。

落实到具体应用中，它的表现同样亮眼：你可以让视频主角在走动中无缝切换多套服装；在户外直播时，一键将平凡的街道瞬间转化为二次元动画世界；或者在家装设计展示中，实时预览不同家具、墙面材质和灯光搭配的最终效果。

跨界破圈：化身具身智能的“数据制造机”

如果说赋能视频创作是 JoyAI-Video-Edit 的“本职工作”，那么它在具身智能领域的潜力则是一个巨大的惊喜。

众所周知，训练机器人需要海量的抓取、搬运和操作视频数据，但依赖真机采集不仅成本高昂，而且很难覆盖危险或极端罕见场景。JoyAI-Video-Edit 凭借其强大的场景与物体可控编辑能力，提供了一条低成本的数据合成捷径。

它能够将普通的人手操作视频，无缝转化为机械手或机械臂的操作素材。更厉害的是，在转换过程中，模型能精准保留物体的空间位置、物理关系以及动作轨迹，同时随意替换背景场景、操作物体甚至机器人的外观形态。这就相当于把一段基础视频“裂变”成成百上千个高质量的训练样本。

结语

从打破视频创作的传统工作流，到为机器人训练提供海量合成数据，JoyAI-Video-Edit 的开源不仅是一次技术秀肌肉，更为内容创作和具身智能两大热门赛道注入了强劲的动力。随着这项技术的普及，我们有理由期待更多颠覆性应用的诞生。