💰钛媒体•最新收集於 20m
JD 實測即時串流影片編輯
💡即時影片編輯可能改變直播工作流，先看 JD 實測能否做到邊播邊改。
⚡ 30-Second TL;DR
有什麼變化
該模型以即時串流影片編輯為核心能力。
為什麼重要
如果這項能力能穩定運作，將有機會縮短內容生成、編輯與發布之間的延遲。這對直播電商、互動媒體與自動化影片製作流程尤其具參考價值。
下一步行動
建立一條直播影片原型流程，將 JD 的即時編輯延遲、輸出品質與穩定性，與現有批次剪輯流程進行比較。
誰應關注：Developers & AI Engineers
關鍵要點
- •該模型以即時串流影片編輯為核心能力。
- •產品的核心問題是 AI 是否能在影片播出期間同步進行編輯。
- •即時影片能力正成為模型公司積極探索的方向。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •京東（JD）此次實測的技術核心在於降低延遲（Latency），目標是將影片處理延遲控制在毫秒級，以適應直播場景的即時互動需求。
- •該模型整合了京東言犀（Yanxi）大模型的視覺理解能力，能夠自動識別直播間內的商品並進行即時特效疊加或背景替換。
- •技術架構採用了端雲協同處理模式，部分輕量化渲染任務在邊緣端完成，以減輕雲端伺服器的運算壓力。
- •京東計畫將此技術應用於電商直播的「虛擬主播」與「場景自動化切換」，旨在降低商家直播的硬體與人力成本。
- •該專案目前處於內部封閉測試階段，主要針對京東零售生態內的特定商家進行小規模灰度測試，尚未全面開放 API。
📊 競品分析▸ Show
| 競爭對手 | 核心功能 | 價格模式 | 效能基準 |
|---|---|---|---|
| Adobe Firefly (Video) | 影片生成與編輯 | 訂閱制 | 高畫質，離線/非即時為主 |
| Runway Gen-3 Alpha | 即時影片生成 | 按用量計費 | 延遲較高，適合創意製作 |
| ByteDance (即夢) | 直播特效與生成 | 免費/付費混合 | 針對短影音優化，即時性強 |
🛠️ 技術深入
- 採用基於擴散模型（Diffusion Model）的輕量化變體，專為串流媒體的連續幀一致性進行了優化。
- 引入了時序一致性模組（Temporal Consistency Module），確保在即時編輯過程中，前後幀的視覺風格與物體邊緣不會出現閃爍。
- 支援動態遮罩（Dynamic Masking）技術，能即時分離直播主與背景，並進行實時渲染替換。
- 整合了低延遲串流協議（如 WebRTC），以確保編輯後的影片流能同步推送到直播平台。
🔮 前景展望AI analysis grounded in cited sources
電商直播將進入『AI 實時場景化』時代
即時編輯技術將使直播間背景與商品展示能根據用戶互動自動調整，大幅提升轉化率。
直播硬體門檻將顯著降低
雲端即時渲染技術將取代昂貴的實體攝影棚與綠幕設備，讓中小型商家能以低成本實現專業級直播效果。
⏳ 時間線
2023-07
京東正式發布言犀大模型，確立零售領域 AI 發展戰略。
2024-05
京東推出言犀數位人直播平台，開始探索 AI 驅動的直播解決方案。
2026-03
京東內部啟動即時串流影片編輯模型的研發專案。
2026-07
該模型進入小規模商家灰度測試階段，驗證即時渲染穩定性。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 钛媒体 ↗