AI最前沿 88Z.ai 6 月 4 日消息，京东推出 JoyAI-Echo 长音视频生成框架，通过跨模态记忆库等四项技术创新，解决角色一致性、声音稳定性及生成速度难题，实测指标全面领先。
消息要点
- JoyAI-Echo 通过四项技术创新解决角色一致性、声音稳定性和生成速度难题
- 实测5分钟视频角色音色高度一致，语音准确率达0.8646，推理速度提升7.5倍
要点
京东正式发布开源长音视频生成框架 JoyAI-Echo。该框架引入跨模态音视频记忆库、记忆驱动后训练、Director Agent 对话式编辑以及轻量化实时超分四项核心技术创新。这些技术旨在攻克行业内在角色一致性保持、声音稳定性控制以及生成效率方面的三大难题。其中，记忆驱动后训练技术使推理速度提升了7.5倍。实测数据显示，使用该框架生成的5分钟视频中，角色形象与音色保持高度一致，语音准确率达到0.8646，各项关键性能指标均处于行业领先地位。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 京东黑板报原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。