在视频创作领域，一场变革正悄然发生。以往，视频创作往往遵循“先有素材再修改”的固定流程，创作者需提前准备好所有素材，再通过后期编辑实现想要的效果。然而，京东宣布开源自研的实时流式视频编辑模型JoyAI-Video-Edit，打破了这一传统模式，让视频创作进入“边观看边创作”的实时互动编辑新时代。
视频实时编辑面临的首要挑战便是速度问题。视频由连续的画面帧构成，若模型处理速度无法跟上播放速度，就会出现卡顿、延迟等状况，严重影响观看体验。JoyAI-Video-Edit基于全自研的JoyAI-Video模型，在720P分辨率下能够实现每秒30帧的模型推理速度。这一速度不仅保证了画面具有较高的清晰度，还能与常见影视视频的播放节奏完美契合，为实时编辑提供了坚实的技术支撑。
视频长度也是流式编辑需要跨越的一道难关。此前，多数流式编辑模型仅能处理几秒或分钟级的视频片段，这极大地限制了视频创作的灵活性和应用范围。而JoyAI-Video-Edit支持任意时长的稳定流式编辑，能够随着视频的持续播放进行实时处理。用户无需等待整段视频生成完成，在播放过程中就能随时修改场景、替换物体、调整人物形象或改变画面风格，真正实现了“边观看边创作”。
这种实时编辑能力为视频创作带来了无限可能。在直播场景中，服饰主播试完白色上衣后，观众若想马上看到蓝色款的效果，即便蓝色款不在身边，也能通过实时编辑轻松实现。创作者还能让视频中的人物连续更换服装，将普通街道瞬间变成充满奇幻色彩的动画世界。在家装设计领域，用户可以尝试不同的家具、墙面和灯光效果，实时看到各种搭配的呈现，为家居装修提供更直观的参考。
视频“边播边改”的能力不仅在创作领域大放异彩，还为多个行业带来了新的技术支持。在零售营销方面，服装与商品展示视频可以快速更换人物穿搭、商品和背景，让消费者更直观地感受不同搭配和场景下的商品效果，提升购物体验。家装视频能够实时切换家具与装修风格，帮助客户更清晰地规划家居布局。影视制作领域，创作者可以更快地尝试不同的人物造型、场景和视觉效果，减少重复拍摄和整段返工的情况，提高制作效率。
除了视频创作，JoyAI-Video-Edit还为具身智能数据大规模合成开辟了新的技术路径。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高昂，且危险或少见场景难以反复采集。依托JoyAI-Video-Edit对场景、物体与画面内容的可控编辑能力，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的训练样本，为具身智能大规模数据合成积累底层技术。
