9月9日的京东全球科技探索者大会（JDD）上，京东探索研究院端出了 JoyAI-Echo 系列的两项新进展:超长音视频生成模型升到 JoyAI-Echo1.5，同时发布并开源可交互视听世界模型 EchoWM。前者把音视频持续生成拉过10分钟门槛，后者把原生视听生成和用户控制拧在一起，让 AI 内容从"能看"进一步走到"能进、能探索"。
长视频这条线，JoyAI-Echo1.5押的是音视频 Memory Bank 架构。它能在多镜头、长时程的生成里死死抓住人物形象、声音和故事线索不跑偏，撑住10分钟以上的音视频持续产出。模型靠长视频后训练把推理速度拉了7.5倍，只需要2张 H200，就能在480P 下平均每秒生成24帧，做到1:1等时生成;Director Agent 还能按自然语言完成故事展开、分镜规划、生成审核和成片组装这一整套活。
世界模型这边通常分两路走:一路能跟着用户操作不停生成画面，却缺了自然声音;另一路能联合生成音视频，可用户很难持续钻进去改内容。EchoWM 把这两类能力并在了一起，原生联合生成720P 视频、环境音、音乐和语音，让声音随场景、摄像机和主体运动同步变;通过统一的"相机意图"，模型同时支持人称导航、第三人称摄像机与主体协同控制，以及多轮连续探索。在 WBench Navigation 评测里，EchoWM 和四步因果流式版本 EchoWM-Flash 包揽前两名，其中 EchoWM 在涵盖158个多轮导航案例的榜单上拿下综合。
底座层面，京东这次集中亮出 JoyAI 基础模型矩阵，能力覆盖图像与视频生成、多模态理解、实时交互、世界建模、智能语音和具身操作，把 JoyAI 从内容生成往动态环境的感知、模拟与交互推。JDD 现场还展示了新一代音视频基础模型 JoyAI-Video，重点强化商业视频生成、物理规律呈现、人称视角和多镜头连续叙事，瞄准电商广告、短剧创作和具身智能演练，计划10月正式发布。模型之外，京东同步展出了 EgoLIVe 真实数据、JoyAI-Sim 仿真转换工具链和大模型基础设施，搭起从真实数据、仿真转换到模型研发的支撑体系。
产业落地上，零售、物流、医疗、工业、政务五大行业模型和智能体集中亮相:零售多模态模型管图搜、智能导购和素材质检;物流超脑3.0用 Agentic 框架把决策、流程和物理执行串起来;京医千询3.0强化医疗影像分析、模拟问诊和可信推理;工业大模型扎进专业选型、维保和 CAD 设计;政务大模型服务政策咨询、智能办公和数据分析。基础模型创新与产业 AI 实践双线推进，构成了京东把 AI 从数字世界推向物理世界的整体布局。
【双语热点】Sora爆火！AI视频生成模型是什么
AI视频生成模型是一种基于人工智能技术，能够根据给定文本提示自动生成视频内容的多模态大语言模型，Sora作为代表性模型，其爆火体现了生成式人工智能在视频领域的突破性进展。
相关术语补充
百度蒸汽机发布通用 AI 长视频生成功能
网络蒸汽机正式推出通用AI长视频生成功能，首次实现无限时长AI视频生成。 此次升级通过引入流式生成技术，突破了传统AI视频技术5秒至10秒短片段输出的限制，也无需依赖首尾帧控制续写，支持用户持续生成高质量的长视频内容。
腾讯混元发布并开源视频生成工具HunyuanCustom，支持主体一致性生成
腾讯混元于5月9日发布并开源多模态定制化视频生成工具HunyuanCustom，该工具基于混元视频生成大模型（HunyuanVideo）打造，支持主体一致性生成，效果超越现有开源方案，可媲美顶尖闭源模型。
HunyuanCustom的核心能力 HunyuanCustom的技术优势 应用场景与用户价值HunyuanCustom可服务于视频创作者、短视频博主、电商从业者、广告创意人等不同用户群体，具体应用场景包括：
开源与体验信息
