视频能“边播边改”：京东开源自研JoyAI-Video-Edit模型

京东开源实时流式视频编辑模型 JoyAI-Video-Edit，实现边看边改

2025年8月5日，京东宣布正式开源其自研的实时流式视频编辑模型

。该模型突破了传统视频编辑需要先拥有完整素材再进行修改的模式，允许用户在视频播放过程中实时修改人物、场景和画面风格，让视频创作变为“边观看边创作”的互动体验。据京东官方介绍，在流式实时视频编辑方向，JoyAI-Video-Edit 在各项指标上全面领先当前业内代表性模型，达到世界一流水平。

视频实时编辑的核心突破：速度与时长

视频实时编辑首先要解决速度问题。视频由一帧帧连续画面组成，如果模型处理速度跟不上播放速度，就会出现卡顿与延迟。JoyAI-Video-Edit 基于全自研 JoyAI-Video 模型，在 720P 分辨率下实现每秒 30 帧的模型推理速度，能够在保持较高画面清晰度的同时，跟上常见影视视频的播放节奏。

视频长度也是流式编辑的一道门槛。此前的流式编辑模型只能处理几秒或分钟级片段，而 JoyAI-Video-Edit 支持任意时长的稳定流式编辑，可以随着视频持续播放、持续处理。用户不必等待整段视频生成完成，就能在播放过程中实时修改场景、替换物体、调整人物形象或改变画面风格。

丰富的应用场景

创作者可以借助 JoyAI-Video-Edit 实现多种创意操作，例如：

• 让视频中的人物连续更换服装
• 在直播中把普通街道变成动画世界
• 在家装设计中尝试不同的家具、墙面和灯光效果

以下为官方展示的示例效果：

性能评测全面领先

为了评估模型能力，研究团队将 JoyAI-Video-Edit 与 SANA Streaming、LiveEdit、Xmax-X2.0 等国际上有代表性流式视频编辑模型进行对比。结果显示，在覆盖典型视频编辑场景的评测数据中，JoyAI-Video-Edit 整体效果全面领先。

在业界权威的

通用评测中，该模型超越了目前所有的流式编辑方法，在全局风格、局部替换、局部删除和字幕编辑等任务中优势尤其突出，大幅领先行业同类模型。

为具身智能数据合成开辟新路径

不止视频创作，JoyAI-Video-Edit 还为具身智能数据大规模合成提供了新的技术路径。机器人训练需要大量物体抓取、搬运与操作视频，但真机数据采集成本较高，危险或少见场景也难以反复采集。

依托对场景、物体与画面内容的可控编辑能力，JoyAI-Video-Edit 可将人手操作视频转化为机械手或机械臂操作素材，并在保留物体位置、空间关系与动作轨迹的基础上，替换场景、物体与机器人形态，让一段视频扩展出更多训练样本。

开源地址

IT之家附 JoyAI-Video-Edit 开源地址如下：

（注：原文未提供具体链接，请关注官方后续发布。）

常见问题解答

• 问：什么是流式视频编辑？
  
  答：流式视频编辑指在视频播放过程中实时进行编辑操作，无需等待整段视频生成完成，用户可边看边修改。

• 问：JoyAI-Video-Edit 支持哪些视频分辨率？
  
  答：官方展示在 720P 分辨率下可实现每秒 30 帧的推理速度，但具体支持的分辨率范围请参考开源项目文档。

• 问：该模型开源后如何获取？
  
  答：请关注京东官方发布的 JoyAI-Video-Edit 开源仓库，后续将在 GitHub 等平台开放代码和模型权重。