京东开源JoyAI-Echo：长音视频生成框架

京东开源JoyAI-Echo长音视频生成框架 实现多镜头角色一致性

京东近期在AI视频生成方向取得重要进展，正式开源了JoyAI-Echo长音视频生成框架。该框架的核心功能是在多镜头切换时保持人物外观和声音的一致性。过去，许多模型在切换镜头后会出现角色面部变化、音色不连贯的问题，而JoyAI-Echo通过内置的智能“导演助理”（Director Agent）和专门的记忆库来解决这一难题。记忆库可在多镜头生成过程中持续保存并调用角色的外观特征和说话人音色信息。导演助理负责调度镜头，记忆库则负责记录演员的长相和语调，从而确保多镜头切换后人物形象稳定如一。

更值得关注的是，京东此次将JoyAI-Echo的代码与权重全部开源。开发者可直接下载、部署并进行二次开发，无需从零构建底层框架。这对整个开源社区而言是实打实的福利。从技术角度来说，长视频生成一直是AIGC领域的难点，而JoyAI-Echo在角色一致性上实现了实质性突破，值得行业重点关注。