JoyAI-Video-Edit：基于自回归扩散的实时开放式视频编辑

实时视频编辑需要在有限计算资源下实现低延迟的因果生成，同时保持源保真度和长期时间一致性。我们提出JoyAI-Video-Edit，一个160亿参数的自回归扩散框架，用于实时、开放式视频编辑，无需访问未来帧或预设视频时长。该方法结合了分块自回归适应、源锚定分布匹配蒸馏（SA-DMD）和长视界自回归蒸馏，以减少训练与推理之间的不匹配，在两步生成中保持源保真度，并缓解累积的时间漂移。广泛的自动和人工评估表明，JoyAI-Video-Edit显著优于现有流式编辑器，并在短视频和长视频上与强离线系统保持竞争力。完整系统在单个Nvidia B200 GPU上实现约30 FPS的端到端720p视频编辑。代码可在https://github.com/jd-opensource/JoyAI-Video-Edit获取。