RespostasPublicado17 fontes
JD abre o código do JoyAI-EchoWM, modelo que gera mundos interativos com vídeo e som
A JD anunciou o código aberto do JoyAI EchoWM e da versão EchoWM Flash, de streaming causal em quatro etapas, durante a JDD 2026. A interface de “intenção de câmera” transforma comandos de teclado ou controle em trajetórias contínuas de seis graus de liberdade, para exploração em primeira pessoa e enquadramentos em...
Publicado porEditado com GPT-5.6 TerraImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- A JD anunciou o código aberto do JoyAI EchoWM e da versão EchoWM Flash, de streaming causal em quatro etapas, durante a JDD 2026.
- A interface de “intenção de câmera” transforma comandos de teclado ou controle em trajetórias contínuas de seis graus de liberdade, para exploração em primeira pessoa e enquadramentos em terceira pessoa.
- O lançamento integra a estratégia de IA física da JD, que inclui planos para um cluster nacional de 100 mil GPUs e a coleta de mais de 10 milhões de horas de vídeo de atividades reais.
Prompt de IA
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
A JD anunciou na JDDiscovery (JDD) 2026 a abertura do código do JoyAI-EchoWM, um modelo de mundo audiovisual interativo, e do EchoWM-Flash, sua versão mais leve de streaming causal em quatro etapas. Em vez de produzir um vídeo fechado, os modelos foram projetados para permitir que a pessoa navegue por uma cena gerada, com imagem e áudio evoluindo juntos. 1
6
Um mundo gerado que pode ser explorado
O EchoWM gera vídeo em 720p acompanhado de som ambiente, música e fala sincronizados. A proposta é criar um mundo gerado no qual se pode “entrar”: ao mudar a direção da câmera ou avançar pela cena, o sistema atualiza tanto as imagens quanto o áudio, em vez de simplesmente adicionar uma trilha sonora depois. 1
2
O sistema usa uma representação unificada de “intenção de câmera”. Ela converte comandos de teclado ou controle em trajetórias contínuas de câmera com seis graus de liberdade — isto é, incluindo deslocamentos e rotações no espaço. Com isso, o modelo pode atender à navegação em primeira pessoa, a câmeras em terceira pessoa e a enquadramentos de acompanhamento. As trajetórias condicionam o vídeo, enquanto eventos da cena devem gerar sons compatíveis, como passos, impactos, diálogos ou música. 1
11
EchoWM-Flash busca resposta mais rápida
O EchoWM-Flash é a variante de streaming causal com quatro etapas. Seu objetivo é reduzir a quantidade de etapas de amostragem sem perder a capacidade de responder à interação do usuário.
No WBench Navigation, conjunto de avaliação com 158 casos, o EchoWM obteve média de 81,7, e o EchoWM-Flash, 81,0, segundo o artigo. O EchoWM registrou 87,2 em interação e 89,8 em consistência; o Flash alcançou 87,9 em interação. 1
Esses números são resultados relatados pelos desenvolvedores e no artigo técnico, não uma validação independente de que os modelos estejam prontos para todo tipo de produção em tempo real. O repositório do WBench lista o JoyAI-Echo-1.5 (WM) com 81,6 e sua versão Flash de quatro etapas com 81,0, o que explica a pequena variação entre 81,6 e 81,7 nas divulgações. 15
Continuidade sem memória 3D persistente
O EchoWM permite exploração em múltiplas interações ao condicionar a geração a uma curta janela do contexto audiovisual mais recente. Isso ajuda a dar continuidade a uma sequência navegada, mas não equivale a manter uma representação 3D explícita e persistente do ambiente.
Na prática, essa diferença é relevante: sem memória 3D persistente, explorações mais longas podem acumular desvios espaciais ou visuais. Os resultados divulgados pela JD apontam bons indicadores de interação e consistência no benchmark, mas a continuidade baseada em contexto ainda é uma limitação para navegações prolongadas. 1
11
Dados de treino e código público
A pesquisa descreve um mecanismo de dados voltado a mundos e um processo de treinamento em etapas, com logs de jogos, vídeos de pessoas jogando, simulações no Unreal Engine orientadas por poses e vídeos da internet. O objetivo é conectar movimento controlável de câmera, dinâmica visual e geração de áudio sincronizado em um só modelo. 1
O artigo da JD também direciona para o repositório público jd-opensource/JoyAI-Echo, tornando o lançamento relevante para pesquisadores e desenvolvedores que testam sistemas de modelos de mundo interativos. 1
Como o lançamento se encaixa na estratégia de IA física da JD
O EchoWM foi apresentado como parte de uma iniciativa mais ampla de IA física da JD, que abrange dados, computação, modelos e operações logísticas. A JD Cloud informou que pretende construir um cluster nacional de 100 mil GPUs para treinamento e inferência de grandes modelos e tarefas de IA incorporada, além de coletar mais de 10 milhões de horas de vídeo de atividades humanas no mundo real. 18
22
Na operação, o contraponto é o Meta Brain 3.0 da JD Logistics. Segundo a empresa, o sistema coordena decisões de armazenagem, transporte e entrega, reduzindo de minutos para segundos o tempo de cálculo de rotas ideais para centenas de milhões de encomendas. 18
22
Nesse contexto, a abertura do EchoWM deve ser entendida como um movimento de modelo aberto e de infraestrutura de pesquisa para IA interativa e física — não como anúncio de captação. Sua principal proposta técnica é combinar navegação controlável por câmera com geração conjunta de vídeo e som, sem esconder que a consistência do mundo em horizontes longos continua sendo um desafio em aberto. 1
11
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "JD abre o código do JoyAI-EchoWM, modelo que gera mundos interativos com vídeo e som"?
A JD anunciou o código aberto do JoyAI EchoWM e da versão EchoWM Flash, de streaming causal em quatro etapas, durante a JDD 2026.
Quais são os pontos-chave para validar primeiro?
A JD anunciou o código aberto do JoyAI EchoWM e da versão EchoWM Flash, de streaming causal em quatro etapas, durante a JDD 2026. A interface de “intenção de câmera” transforma comandos de teclado ou controle em trajetórias contínuas de seis graus de liberdade, para exploração em primeira pessoa e enquadramentos em terceira pessoa.
O que devo fazer a seguir na prática?
O lançamento integra a estratégia de IA física da JD, que inclui planos para um cluster nacional de 100 mil GPUs e a coleta de mais de 10 milhões de horas de vídeo de atividades reais.