# 视频AI能一次生成5分钟了，京东开源JoyAI-Echo，告别抽卡式出片

> 原标题：视频AI卷向5分钟：全量开源，一次生成，正式告别「盲盒抽卡」

- 来源：机器之心 · 公众号
- 发布时间：2026-06-06T04:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/34968
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651037518&idx=1&sn=24f77464cb1d0d46ac80c9c5e9911f96

## 摘要

京东放出了JoyAI-Echo，一个能一口气生成最长5分钟视频加音频的框架，而且全量开源。它主打跨镜头画面和声音的一致性，支持局部重绘，用8步DMD蒸馏来提速，最高能输出1472×2560分辨率的片子。不过原文因为微信环境验证没过去，具体效果和实测数据暂时看不到，这点先别太激动。

## 推荐理由

JoyAI-Echo把长视频生成的门槛拉到了5分钟，而且代码全放出来，不是只发篇论文。跨镜头画面和声音一致性、局部重绘、8步蒸馏提速这些点都踩在视频AI从业者的痛点上。不过原文因为微信环境验证没过去，具体效果和实测数据暂时看不到，这点先别太激动。单源覆盖、没有独立评测，分数放在78–84区间比较合理。

## 锐评

京东放出的 JoyAI-Echo 把视频生成时长拉到了 5 分钟，而且是一次生成、带音频、全量开源。这比现在主流十几秒的片子长出一大截，对想做长视频内容的人来说是个信号。它主打跨镜头画面和声音的一致性，还支持局部重绘，用 8 步 DMD 蒸馏来提速，最高能输出 1472×2560 分辨率。

但问题在于，这篇推送因为微信环境验证没过去，正文内容完全没加载出来。上面这些参数都来自摘要，没有实测案例、没有对比数据、也没有说明一致性到底怎么保证的。5 分钟长视频的连贯性、物体不崩、声音不跑偏，这些在开源方案里还是硬骨头，光靠摘要里的数字没法判断它啃下来多少。

我会先打个折。等代码仓库和 demo 放出来，看看社区跑出来的结果再说。如果真能做到摘要里说的水平，那对视频生成的开源生态是个不小的推动；如果只是把多段短片子拼起来，那“5 分钟”这个数字就没那么值钱了。