JoyAI-Video-Edit

JoyAI-Video-Edit 是一个面向实时流式视频的指令驱动编辑系统，支持对直播画面或上传视频进行自然语言控制的因果式逐帧编辑。其核心采用自回归扩散架构，融合多模态大语言模型条件编码器、因果视频变分自编码器（VAE）与16B参数多模态扩散Transformer，并通过KV状态截断、长时序优化与分布匹配蒸馏等技术实现720p分辨率下30.19 FPS的端到端高吞吐部署。适用于直播内容实时美化、短视频即拍即编、AI视频助手等需低延迟、开放编辑意图的交互式场景。