AntwortenVeröffentlicht17 Quellen
JD stellt JoyAI-EchoWM und EchoWM-Flash als Open Source bereit
JD veröffentlichte auf der JDD 2026 JoyAI EchoWM sowie die vierstufige Streaming Variante EchoWM Flash als Open Source. Über eine einheitliche Kameraabsicht werden Tastatur oder Controller Eingaben in kontinuierliche Bewegungen mit sechs Freiheitsgraden umgesetzt – für Ego und Verfolgerperspektiven.
Veröffentlicht vonBearbeitet mit GPT-5.6 TerraBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- JD veröffentlichte auf der JDD 2026 JoyAI EchoWM sowie die vierstufige Streaming Variante EchoWM Flash als Open Source.
- Über eine einheitliche Kameraabsicht werden Tastatur oder Controller Eingaben in kontinuierliche Bewegungen mit sechs Freiheitsgraden umgesetzt – für Ego und Verfolgerperspektiven.
- Die Veröffentlichung gehört zu JDs Physical AI Strategie mit einem geplanten inländischen Cluster aus 100.000 GPUs und mehr als 10 Millionen Stunden Videodaten realer menschlicher Aktivitäten.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did JD.com announce at the September 10, 2026 JDDiscovery (JDD) conference about open-sourcing JoyAI-EchoWM—its interactive audiovisual. Article summary: JD announced that it is open-sourcing JoyAI‑EchoWM, an “enterable” interactive audiovisual world model, and EchoWM‑Flash, a faster four-step causal-streaming version. The release is best understood as part of JD’s physic. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Statt einen fertigen KI-Videoclip abzuspielen, sollen Nutzerinnen und Nutzer eine generierte Szene selbst durchqueren können: Bewegt sich die virtuelle Kamera, verändern sich Bild und Ton gemeinsam. Genau dafür hat JD auf der JDDiscovery-Konferenz (JDD) 2026 JoyAI-EchoWM als Open Source veröffentlicht – zusammen mit EchoWM-Flash, einer schlankeren Variante für kausales Streaming in vier Schritten. 1
6
Eine KI-Welt, die sich beim Navigieren verändert
EchoWM erzeugt 720p-Video zusammen mit synchronisierten Umgebungsgeräuschen, Musik und Sprache. Der Anspruch ist eine betretbare, generierte Welt: Wer Richtung oder Position verändert, erhält nicht bloß einen neuen Bildausschnitt mit nachträglich unterlegter Tonspur. Stattdessen sollen sich visuelle Szene und Audio gemeinsam weiterentwickeln. 1
2
Kern des Konzepts ist eine einheitliche Repräsentation der Kameraabsicht. Sie übersetzt Eingaben per Tastatur oder Controller in kontinuierliche Kamerapfade mit sechs Freiheitsgraden (6-DoF). Damit sind sowohl Erkundungen aus der Ego-Perspektive als auch Kamerafahrten aus der dritten Person oder Verfolgeransichten möglich. Die Kamerabewegung steuert die Bildgenerierung; Ereignisse in der Szene sollen passende Klänge auslösen – etwa Schritte, Zusammenstöße, Dialog oder Musik. 1
11
EchoWM-Flash soll das Streaming beschleunigen
Mit EchoWM-Flash stellt JD eine vierstufige, kausal streamende Version bereit. Sie soll die Zahl der Sampling-Schritte senken und trotzdem reaktionsfähige interaktive Generierung ermöglichen.
Im 158 Fälle umfassenden Navigationstest von WBench erzielte EchoWM laut Paper im Mittel 81,7 Punkte, EchoWM-Flash 81,0. Für EchoWM werden ein Interaktionswert von 87,2 und ein Konsistenzwert von 89,8 ausgewiesen; Flash kam beim Interaktionswert auf 87,9. 1
Diese Werte sind Ergebnisse, die von den Entwicklern beziehungsweise im Paper berichtet wurden. Sie sind kein unabhängiger Nachweis, dass die Modelle bereits für jeden Echtzeit-Produktionsfall geeignet sind. Das separate WBench-Repository führt JoyAI-Echo-1.5 (WM) mit 81,6 und die vierstufige Flash-Version mit 81,0 Punkten; daraus erklärt sich die kleine Abweichung zwischen 81,6 und 81,7 in den Angaben. 15
Kontinuität ohne dauerhaftes 3D-Gedächtnis
Mehrere aufeinanderfolgende Interaktionen unterstützt EchoWM, indem das Modell ein kurzes, zurückliegendes Fenster aus Bild und Ton als Kontext berücksichtigt. Dadurch kann eine navigierte Sequenz fortgesetzt werden.
Das ist allerdings nicht gleichbedeutend mit einer persistenten, expliziten 3D-Repräsentation der Welt. Ohne ein dauerhaftes räumliches Gedächtnis können sich bei längerer Erkundung räumliche Beziehungen oder visuelle Details zunehmend verschieben. Die von JD berichteten Benchmark-Ergebnisse sprechen für Interaktion und Konsistenz im Test; die kontextbasierte Fortführung bleibt für lange Navigationen jedoch eine praktische Einschränkung. 1
11
Trainingsdaten und öffentliche Verfügbarkeit
Die begleitende Forschungsarbeit beschreibt eine Daten-Engine für Weltmodelle und ein mehrstufiges Training. Verwendet werden unter anderem Gameplay-Protokolle, Aufnahmen menschlicher Spielhandlungen, posenbasierte Simulationen mit der Unreal Engine sowie Internetvideos. Ziel ist es, steuerbare Kamerabewegungen, visuelle Dynamik und synchronisierte Audiogenerierung in einem Modell zu verbinden. 1
Das Paper verweist zudem auf das öffentliche Code-Repository jd-opensource/JoyAI-Echo. Damit richtet sich die Veröffentlichung auch an Forschung und Entwicklung rund um interaktive Weltmodelle. 1
Baustein von JDs Physical-AI-Strategie
JD präsentierte EchoWM als Teil eines größeren Vorstoßes in Richtung Physical AI – also KI-Systeme, die mit Daten, Modellen und Rechenleistung für Anwendungen in der physischen Welt entwickelt werden. JD Cloud plant nach eigenen Angaben einen inländisch entwickelten Cluster mit 100.000 GPUs für Training großer Modelle, Inferenz und Aufgaben der verkörperten KI. Zudem sollen mehr als 10 Millionen Stunden Videoaufnahmen realer menschlicher Aktivitäten gesammelt werden. 18
22
Das logistische Gegenstück ist Meta Brain 3.0 von JD Logistics. Das System soll Entscheidungen über Lagerhaltung, Transport und Zustellung hinweg koordinieren. JD zufolge verkürzt es die Berechnung optimaler Routen für Hunderte Millionen Pakete von Minuten auf Sekunden. 18
22
Die Freigabe von EchoWM ist damit vor allem als Open-Model- und Forschungsinfrastruktur-Schritt für interaktive und physische KI zu verstehen, nicht als Finanzierungsankündigung. Der technische Kern ist klar: steuerbare Kameranavigation soll unmittelbar mit gemeinsam erzeugtem Video und Ton verbunden werden. Ob dabei über sehr lange Zeiträume eine stabile Welt erhalten bleibt, ist weiterhin eine offene Herausforderung. 1
11
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „JD stellt JoyAI-EchoWM und EchoWM-Flash als Open Source bereit“?
JD veröffentlichte auf der JDD 2026 JoyAI EchoWM sowie die vierstufige Streaming Variante EchoWM Flash als Open Source.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
JD veröffentlichte auf der JDD 2026 JoyAI EchoWM sowie die vierstufige Streaming Variante EchoWM Flash als Open Source. Über eine einheitliche Kameraabsicht werden Tastatur oder Controller Eingaben in kontinuierliche Bewegungen mit sechs Freiheitsgraden umgesetzt – für Ego und Verfolgerperspektiven.
Was soll ich als nächstes in der Praxis tun?
Die Veröffentlichung gehört zu JDs Physical AI Strategie mit einem geplanten inländischen Cluster aus 100.000 GPUs und mehr als 10 Millionen Stunden Videodaten realer menschlicher Aktivitäten.