京东开源 JoyAI-Echo 长音视频生成框架，支持对话式编辑并宣称进入全球第一梯队

京东 6 月 3 日宣布开源 JoyAI-Echo 长音视频生成框架，称其解决角色易崩、声音乱变、生成缓慢三大难题，并支持对话式编辑。框架内置记忆库，可在长达 5 分钟的视频中保持角色外观与说话人音色一致；采用结合 SFT、跨模态 RLHF 和 DMD 的记忆驱动后训练流程，其中 DMD 带来约 7.5 倍推理加速。