JoyAI-Video-Edit 瞄准实时开放式视频编辑
这套 160 亿参数的自回归扩散系统可在单块 Nvidia B200 上以约 30 FPS 编辑 720p 视频。
为什么重要
这项工作直面 AI 视频编辑的一项核心限制：在因果、低延迟约束下保持时间一致性和源内容保真度。如果结果能够复现，它可能让高端单 GPU 硬件上的交互式视频编辑流程更具实用性。
核心要点
- 1.160 亿参数自回归扩散模型可在没有未来帧的情况下进行编辑。
- 2.作者报告称，单块 Nvidia B200 上可实现约 30 FPS 的 720p 性能。
- 3.蒸馏方法旨在提升源内容保真度并抑制长程漂移。
研究人员发布了 JoyAI-Video-Edit，这是一套 160 亿参数的自回归扩散框架，可在无法访问未来帧、且无需预设视频时长的情况下进行实时开放式视频编辑。该系统采用分块自回归适配、源锚定分布匹配蒸馏以及长程自回归蒸馏，以保持源视频保真度并减少时间漂移。作者称，它的表现优于现有流式编辑器，与强大的离线系统相比也具备竞争力，并能在单块 Nvidia B200 GPU 上实现端到端约 30 FPS 的 720p 视频编辑。
⚡ 今天就能用
在采用需要实时 720p 输出的流式视频编辑流水线之前，应先审查其已发布代码。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
觉得这篇简报有用？下一篇直接送到你的邮箱。