AnswersPublished17 sources
JD відкрила код JoyAI-EchoWM та швидшої EchoWM-Flash
На JDD 2026 компанія JD відкрила код JoyAI EchoWM і полегшеної чотирикрокової версії EchoWM Flash. Єдиний інтерфейс «наміру камери» перетворює команди з клавіатури чи контролера на безперервні траєкторії з шістьма ступенями свободи.
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- На JDD 2026 компанія JD відкрила код JoyAI EchoWM і полегшеної чотирикрокової версії EchoWM Flash.
- Єдиний інтерфейс «наміру камери» перетворює команди з клавіатури чи контролера на безперервні траєкторії з шістьма ступенями свободи.
- Реліз входить до стратегії JD у сфері physical AI: компанія планує кластер на 100 000 GPU та збір понад 10 млн годин відео реальних людських дій.
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 представила на конференції JDDiscovery (JDD) 2026 відкриті моделі JoyAI-EchoWM та EchoWM-Flash. Це не інструменти для створення одного заздалегідь визначеного ролика: задум у тому, щоб користувач міг рухатися згенерованою сценою, а зображення і звук змінювалися синхронно з його діями. 1
6
Світ, у який можна «увійти»
EchoWM генерує відео у роздільності 720p разом із синхронізованими звуками середовища, музикою та мовленням. Тобто під час зміни напрямку або руху сценою модель має оновлювати не лише картинку, а й аудіосупровід — замість того, щоб просто накладати готову звукову доріжку на відео. 1
2
В основі керування лежить уніфіковане представлення «наміру камери». Воно перетворює команди з клавіатури або контролера на безперервні траєкторії камери з шістьма ступенями свободи (6-DoF). Це дає змогу використовувати як навігацію від першої особи, так і режими камери від третьої особи або стеження за персонажем. Траєкторія камери спрямовує генерацію зображення, а події у сцені мають супроводжуватися доречними звуками — кроками, ударами, діалогами чи музикою. 1
11
Для чого потрібна EchoWM-Flash
EchoWM-Flash — це чотирикрокова версія з каузальним потоковим генеруванням. Її мета — скоротити кількість кроків семплювання та зберегти швидку реакцію системи під час інтерактивної навігації.
У навігаційному тесті WBench із 158 сценаріїв автори роботи повідомили для EchoWM середній результат 81,7, а для EchoWM-Flash — 81,0. Для EchoWM наведено 87,2 за взаємодію та 89,8 за узгодженість; Flash отримала 87,9 за взаємодію. 1
Це результати, заявлені розробниками та авторами наукової роботи, а не незалежне підтвердження готовності моделей до будь-якого продакшн-застосування в реальному часі. Окремий репозиторій WBench вказує для JoyAI-Echo-1.5 (WM) 81,6, а для чотирикрокової Flash-версії — 81,0; цим пояснюється невелика різниця між згадками про 81,6 та 81,7. 15
Обмеження: тривалий рух може спричиняти дрейф
Модель підтримує багатокрокове дослідження сцени, спираючись на коротке ковзне вікно попереднього аудіовізуального контексту. Це допомагає продовжувати навігаційну послідовність, але не означає, що система зберігає явну й постійну 3D-модель світу.
Саме тому під час тривалої навігації може накопичуватися просторовий або візуальний дрейф. Результати JD демонструють сильні показники взаємодії та узгодженості у бенчмарку, однак контекстний принцип підтримання безперервності залишається практичним обмеженням для довгих сесій. 1
11
Дані, навчання й відкритий код
У супровідній роботі описано рушій даних для світових моделей і поетапний процес навчання. Використовувалися журнали ігрового процесу, відео взаємодії людей з іграми, симуляції в Unreal Engine із прив'язкою до поз та відео з інтернету. Мета — поєднати керований рух камери, візуальну динаміку та синхронну генерацію звуку в одній моделі. 1
Стаття JD містить посилання на публічний репозиторій коду jd-opensource/JoyAI-Echo, тож реліз може бути цікавим дослідникам і розробникам, які експериментують з інтерактивними світовими моделями. 1
Частина ширшої стратегії physical AI
EchoWM JD представила як один із компонентів ширшої ініціативи у сфері physical AI — ШІ-систем, що працюють із даними та діями у фізичному світі. JD Cloud заявила про план створити вітчизняний кластер на 100 000 GPU для навчання великих моделей, інференсу та задач втіленого ШІ, а також зібрати понад 10 млн годин відео реальної людської діяльності. 18
22
Операційним відповідником цієї стратегії компанія називає Meta Brain 3.0 від JD Logistics. За твердженням JD, система координує рішення у складському господарстві, перевезеннях і доставці, скорочуючи час розрахунку оптимальних маршрутів для сотень мільйонів посилок із хвилин до секунд. 18
22
Отже, відкриття EchoWM — це насамперед крок у розвитку відкритої модельної та дослідницької інфраструктури для інтерактивного й physical AI, а не фінансова заява. Головна технічна ідея моделі проста: поєднати керовану навігацію камерою зі спільним генеруванням відео та звуку — водночас визнаючи, що стабільність світу на довгих часових відрізках іще лишається відкритою проблемою. 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 відкрила код JoyAI-EchoWM та швидшої EchoWM-Flash"?
На JDD 2026 компанія JD відкрила код JoyAI EchoWM і полегшеної чотирикрокової версії EchoWM Flash.
What are the key points to validate first?
На JDD 2026 компанія JD відкрила код JoyAI EchoWM і полегшеної чотирикрокової версії EchoWM Flash. Єдиний інтерфейс «наміру камери» перетворює команди з клавіатури чи контролера на безперервні траєкторії з шістьма ступенями свободи.
What should I do next in practice?
Реліз входить до стратегії JD у сфері physical AI: компанія планує кластер на 100 000 GPU та збір понад 10 млн годин відео реальних людських дій.