原文：实时视频版「Nano Banana」来了！160亿参数重磅开源
京东于8月5日开源了JoyAI-Video-Edit，这是首个同时实现流式架构、实时速度和可用质量的视频编辑模型。模型部署代码、技术报告、在线Demo和权重已在Hugging Face及GitHub发布，支持720P分辨率下每秒30帧推理，端到端24FPS，可对视频流进行任意时长的稳定流式编辑。
京东于8月5日开源了JoyAI-Video-Edit，这是首个同时实现流式架构、实时速度和可用质量的视频编辑模型。模型部署代码、技术报告、在线Demo和权重已在Hugging Face及GitHub发布，支持720P分辨率下每秒30帧推理，端到端24FPS，可对视频流进行任意时长的稳定流式编辑。
此前视频生成与编辑模型均为离线处理，需完整处理整段视频后才能查看结果，无法边播边改。JoyAI-Video-Edit首次将流式与实时结合，达到24帧流畅播放门槛，使实时编辑直播、视频通话等活视频流成为可能，改变了视频编辑的交互范式。
该模型采用MLLM条件编码器、因果视频VAE和160亿参数多模态扩散Transformer，按自回归扩散编辑器训练部署。流式特性允许逐帧处理，无需等待完整视频，实时性通过优化推理速度实现，使编辑速度跟上播放节奏，从而支持无限时长的连续编辑。
对产品而言，可应用于直播实时换装、家装预览、视频通话特效等场景，提升用户互动体验。对研发，开源降低二次开发门槛，但160亿参数模型部署成本较高，需优化推理效率。对业务流程，实时编辑减少等待时间，加快内容生产迭代。