京东一口气发了两个 AI 模型，一个能实时语音聊天还能认声纹，另一个视频编辑可以边看边改，挺实用的。
京东在 2026 年 WAIC 上推出 JoyAI-Talker 实时语音交互模型，具备低延迟对话、情绪理解和声纹识别功能。同时发布 JoyAI-Video-Edit 视频编辑模型，支持通过自然语言增删物体、替换人物等流式编辑。京东还开源了行业最大的人类视角数据集 EgoLive。
京东发布 JoyAI-Talker 实时语音交互模型与 JoyAI-Video-Edit 视频编辑模型
IT之家 7 月 18 日消息，2026 世界人工智能大会暨人工智能全球治理高级别会议（WAIC）昨日在上海世博、张江、西岸“三地四馆”同步启幕。 7 月 18 日，京东以“AI 进入物理世界”为核心主题亮相上海世博展览馆，首次系统展示面向物理世界的 JoyAI 模型矩阵。 在模型方面，京东推出了 JoyAI-Talker 实时语音交互模型与 JoyAI-Video-Edit 实时视频编辑模型。据京东介绍，JoyAI-Talker 具备低延迟对话、情绪理解、工具调用和记忆等能力，让 AI 从机械执行指令走向理解人的意图和状态。该模型能够通过声纹识别用户身份，结合环境数据理解对话意图。 JoyAI-Video-Edit 则支持自定义画面和边预览边修改，让视频编辑更加实时、灵活。该模型将视频能力延伸至流式编辑，用户面对变化中的视频画面，可以直接用自然语言增删物体、替换人物、迁移服装，甚至重构整个场景。 IT之家此前报道，今年以来京东已陆续发布 Joy-Image-Edit、JoyAI-Echo、JoyAI-VL-Interaction 等 7 个基础模型。以 JoyAI 基座大模型为核心，京东已形成覆盖语音、图像、视频、实时交互、世界模型和具身智能的基础模型体系。 在本次 WAIC 期间，京东还开源了行业最大人类视角数据集 EgoLive，并打造了首个 JoyInside“AI Home”。观众在现场可以佩戴 JoyEgoCam，亲自体验第一视角数据采集。 相关阅读： 《 让大模型从“一问一答”走向“边看边说”，京东开源实时视频视觉语言交互模型 JoyAI-VL-Interaction 》