22:39IT之家(博客/媒体)京东发布并开源了 JoyAI-Echo 长音视频生成框架,解决了长视频生成中角色身份、声音不一致和生成速度慢的行业难题。该框架内置记忆库,可在多镜头中保持角色外观和音色一致,实测 5 分钟视频无崩坏。通过 DMD 技术实现约 7.5 倍推理加速,并支持对话式编辑,用户可直接用自然语言修改镜头,无需重跑整条视频。京东官方称该框架已进入全球第一梯队,项目已开源在 GitHub。AI产品视频生成开源/仓库京东JoyAI-Echo对话式编辑推荐理由:长视频生成领域终于有了能保持角色一致的开源方案,做视频生成、影视制作的团队可以直接拿来用,省去大量后期修复时间。原文
09:52shao__meng@shao__meng83°Google 在 I/O 大会上发布了 Gemini Omni,这是一个原生多模态的「理解+生成」模型,主攻视频领域。与 Veo、Sora 等传统视频生成模型不同,Omni 从底层设计为多模态,支持任意组合输入(图、文、视频、音频)产出或编辑视频。其核心差异化能力包括对话式视频编辑(多轮修改保持一致性)、结合世界知识与物理直觉的生成,以及任意参考物组合。Omni 在编辑方式、提示词要求和知识运用上全面超越现有模型,标志着视频生成进入新阶段。AI产品Gemini Omni多模态模型视频生成对话式编辑Google I/O推荐理由:做视频创作或 AI 内容生成的团队,终于有了一个能像聊天一样改视频的工具——多轮编辑保持一致性,不用每次重写 prompt,建议直接看官方对比。原文