AnswersPublished17 sources
JD apre JoyAI-EchoWM, il modello IA per mondi audiovisivi navigabili
JD ha annunciato a JDD 2026 l’open source di JoyAI EchoWM e della versione a streaming causale in quattro passaggi EchoWM Flash. L’interfaccia di «intento della camera» trasforma i comandi da tastiera o controller in traiettorie continue a sei gradi di libertà, per esplorazione in prima persona e inquadrature in ter...
Pubblicato daModificato con GPT-5.6 TerraImmagini generate con GPT Image 2
Research answer
Key takeaways
- JD ha annunciato a JDD 2026 l’open source di JoyAI EchoWM e della versione a streaming causale in quattro passaggi EchoWM Flash.
- L’interfaccia di «intento della camera» trasforma i comandi da tastiera o controller in traiettorie continue a sei gradi di libertà, per esplorazione in prima persona e inquadrature in terza persona.
- Il rilascio rientra nella strategia di physical AI di JD: un cluster nazionale pianificato da 100.000 GPU e oltre 10 milioni di ore di video di attività umane nel mondo reale.
AI 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
JD ha annunciato durante JDDiscovery (JDD) 2026 l’open source di JoyAI-EchoWM, un modello del mondo audiovisivo interattivo, e di EchoWM-Flash, una versione più leggera a streaming causale in quattro passaggi. L’idea non è produrre un filmato immutabile: l’utente dovrebbe poter attraversare una scena generata, mentre immagini e suoni cambiano in modo coordinato con la navigazione. 1
6
Non un video da guardare, ma una scena da esplorare
EchoWM genera video in 720p insieme a suoni ambientali, musica e parlato sincronizzati. JD lo presenta come un mondo «in cui entrare»: cambiando direzione o muovendosi nella scena, il sistema aggiorna sia il contenuto visivo sia quello sonoro, anziché aggiungere una colonna sonora separata in un secondo momento. 1
2
Alla base c’è una rappresentazione unificata dell’intento della camera. I comandi impartiti con tastiera o controller vengono convertiti in traiettorie continue della camera a sei gradi di libertà (6-DoF), consentendo sia l’esplorazione in prima persona sia riprese in terza persona o di tipo follow. Il percorso della camera condiziona il video generato; gli eventi della scena dovrebbero produrre suoni coerenti, come passi, urti, dialoghi o musica. 1
11
EchoWM-Flash: meno passaggi per uno streaming più reattivo
EchoWM-Flash è la variante a streaming causale in quattro passaggi. Il suo obiettivo è ridurre i passaggi di campionamento mantenendo una generazione abbastanza reattiva da sostenere l’interazione.
Nei risultati riportati dagli autori sul benchmark WBench Navigation, basato su 158 casi, EchoWM ha ottenuto una media di 81,7, mentre EchoWM-Flash ha segnato 81,0. Per EchoWM sono indicati punteggi di 87,2 nell’interazione e 89,8 nella coerenza; Flash ha totalizzato 87,9 nell’interazione. 1
Sono dati dichiarati nel paper e rivolti soprattutto a sviluppatori e ricercatori, non una verifica indipendente della prontezza dei modelli per qualsiasi impiego di produzione in tempo reale. Il repository di WBench riporta inoltre 81,6 per JoyAI-Echo-1.5 (WM) e 81,0 per la versione Flash in quattro passaggi: da qui la lieve differenza tra 81,6 e 81,7 nelle diverse pubblicazioni. 15
La continuità c’è, ma non una memoria 3D persistente
EchoWM può sostenere un’esplorazione su più turni usando come condizione una breve finestra del contesto audiovisivo più recente. Questo gli consente di proseguire una sequenza già navigata, ma non equivale a mantenere una rappresentazione 3D esplicita e persistente dell’ambiente.
È una distinzione rilevante: senza memoria tridimensionale persistente, le esplorazioni più lunghe possono accumulare derive spaziali o visive. I risultati presentati da JD evidenziano buone prestazioni di interazione e coerenza nel benchmark, ma la continuità basata sul contesto resta un limite pratico per la navigazione di lunga durata. 1
11
Addestramento e disponibilità pubblica
La ricerca allegata descrive un motore per i dati del mondo e una pipeline di addestramento a fasi. I dati includono registri di gameplay, filmati di persone che giocano, simulazioni in Unreal Engine con pose tracciate e video provenienti da Internet. L’obiettivo è collegare in un unico modello il movimento controllabile della camera, la dinamica visiva e la generazione audio sincronizzata. 1
Il paper rimanda al repository pubblico jd-opensource/JoyAI-Echo, rendendo il rilascio utile a ricercatori e sviluppatori che sperimentano sistemi di world model interattivi. 1
Il tassello nella strategia di physical AI di JD
EchoWM è stato presentato come parte di un progetto più ampio di JD sulla physical AI, che comprende dati, capacità di calcolo, modelli e operazioni logistiche. JD Cloud afferma di pianificare un cluster sviluppato internamente da 100.000 GPU per addestramento, inferenza e carichi di lavoro legati all’IA incarnata, oltre alla raccolta di più di 10 milioni di ore di video di attività umane nel mondo reale. 18
22
Sul piano operativo, JD Logistics indica Meta Brain 3.0 come il corrispettivo di questa strategia: il sistema coordina decisioni tra magazzini, trasporti e consegne e, secondo JD, riduce da minuti a secondi il tempo necessario per calcolare i percorsi ottimali di centinaia di milioni di pacchi. 18
22
In questo quadro, l’apertura di EchoWM va letta come una mossa di ricerca e infrastruttura open model per lo sviluppo di IA interattiva e physical AI, non come un annuncio finanziario. La proposta tecnica centrale è semplice: unire una navigazione della camera controllabile a video e audio generati insieme, riconoscendo però che la coerenza del mondo sul lungo periodo rimane un problema aperto. 1
11
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "JD apre JoyAI-EchoWM, il modello IA per mondi audiovisivi navigabili"?
JD ha annunciato a JDD 2026 l’open source di JoyAI EchoWM e della versione a streaming causale in quattro passaggi EchoWM Flash.
What are the key points to validate first?
JD ha annunciato a JDD 2026 l’open source di JoyAI EchoWM e della versione a streaming causale in quattro passaggi EchoWM Flash. L’interfaccia di «intento della camera» trasforma i comandi da tastiera o controller in traiettorie continue a sei gradi di libertà, per esplorazione in prima persona e inquadrature in terza persona.
What should I do next in practice?
Il rilascio rientra nella strategia di physical AI di JD: un cluster nazionale pianificato da 100.000 GPU e oltre 10 milioni di ore di video di attività umane nel mondo reale.