// 01 JoyAI-Echo 是什么
快速结论
JoyAI-Echo（JoyAI-Echo: Pushing the Frontier of Long Audio-Visual Generation · 京东 JD Joy Future Academy）是京东开源的长音视频生成模型，能生成分钟级、多镜头、音画同步的故事视频，并支持实时对话式编辑。截至 2026-05（论文），为 inference-only 发布，采用 LTX-2 社区许可，仅限学术非商用。国内开发者可经 GitHub / HuggingFace 获取权重。
适合谁优先使用
- 研究长视频 / 音视频联合生成的算法人员
- 做 AIGC 视频 demo 的实验室
- 想试分钟级连贯叙事生成的开发者
- 拥有 H100/A100 级算力的团队
核心能力拆解
分钟级多镜头
可生成约 5 分钟的连贯多镜头故事。
音画联合同步
联合生成视频与音频并保持同步。
跨模态记忆库
成对跨模态 memory bank 保障故事级一致性。
实时对话编辑
用户用对话指令实时编辑生成内容。
蒸馏加速
DMD 蒸馏生成器，约 7.5× 推理加速。
和同类工具怎么选
| 需求 | 优先考虑 | 判断标准 |
|---|---|---|
| 分钟级带音频的连贯叙事 | JoyAI-Echo | 长音视频 + 音画同步 |
| 单镜头短视频文生视频 | 通用 T2V 模型 | 更轻量 |
| 商用项目 | 另选商用授权模型 | JoyAI-Echo 仅非商用 |
国内平替：京东自家开源，国内可直接下载，是少见的长音视频开源方案。
限制与避坑
- 仅限学术研究 / 非商用（LTX-2 社区许可）。
- 显存门槛高：模型权重 ~46GB + 文本编码器 ~24GB，峰值 GPU 46–50GB。
- inference-only 发布，未放训练代码。
- 规格：1280×736 @ 25fps × 241 帧；环境 Python 3.11 / PyTorch 2.8 / CUDA 12.8。
NavXD 使用建议
想研究"分钟级、带声音、可对话改"的长视频生成、且有高端 GPU 时，JoyAI-Echo 值得一试；商用或低显存场景请另选方案。
常见问题
JoyAI-Echo 免费吗？
开源免费，但仅限非商用（LTX-2 社区许可）。
国内能用吗？
能。京东开源项目，GitHub / HuggingFace 均可下载。
能商用吗？
不能，许可仅限学术与非商用用途。
// 02 核心 功能
- 核心定位JoyAI-Echo 是京东开源的长音视频生成模型，生成分钟级多镜头、音画同步故事视频，支持对话式实时编辑；仅限学术非商用，需高端 GPU。
- 分类索引当前归档在 AI 视频，方便和同频工具横向比较。
- 能力标签关联标签包括 开源、多模态、视频生成、京东、长视频。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 视频 定位和 开源、多模态、视频生成 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
// 04 常见 问题
JoyAI-Echo 是什么？
JoyAI-Echo 是京东开源的长音视频生成模型，生成分钟级多镜头、音画同步故事视频，支持对话式实时编辑；仅限学术非商用，需高端 GPU。
JoyAI-Echo 适合哪些场景？
可优先参考它所属的 AI 视频 分类，以及 开源、多模态、视频生成、京东、长视频 等标签。
JoyAI-Echo 是否提供可用入口？
本页已记录官网或下载入口，可通过顶部主按钮访问。
JoyAI-Echo 支持哪些平台？
当前记录为网页工具，通常可通过浏览器访问。
