/ Модель

Характеристики

Размер весов
128 ГБ
Лицензия
Своя лицензия
Базовая модель
LTX-2.3
Опубликована
2 июн 2026

JoyAI-Echo

Видео из изображенияИзображение, текст → видео3 профессии

JoyAI-Echo 1.5 генерирует длинные многошотовые видео с синхронизированным аудио, сохраняя персонажей и контекст сцен по тексту, кадру и мультимодальной памяти.

404скачиваний за 30 дней178лайковвеса обновлены3 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

JoyAI-Echo 1.5 — модель генерации длинных аудиовизуальных историй и интерактивных миров, разработанная jdopensource и дообученная на основе Lightricks/LTX-2.3. Репозиторий содержит веса для генерации видео по текстовому запросу и опциональному первому кадру, а также до семи упорядоченных слотов памяти с изображениями и аудио. Совместная мультимодальная память помогает сохранять внешность персонажей, голос и контекст сцены между редактируемыми планами.

Модель генерирует синхронизированные видео и аудио в едином конвейере и поддерживает многошотовые сценарии. Используется генератор DMD с восемью шагами; доступны варианты BF16, FP8 и FP4. Для запуска отдельно требуется текстовый энкодер Gemma. В README также упомянуты выгрузка слоёв DiT и тайловое декодирование Video VAE для профилей с ограниченной видеопамятью. Лицензия указана как other, поэтому конкретные условия использования следует проверять в лицензии репозитория.

Сценарии применения

  • создание многошотового видео по текстовому сценарию
  • генерация продолжения видео с заданного первого кадра
  • сохранение внешности персонажей между сценами
  • генерация видео и синхронизированного аудио для интерактивных историй

Ограничения

Для работы требуется отдельно загрузить текстовый энкодер Gemma; вычислительные требования значительны, хотя README описывает профили для ограниченной видеопамяти. Условия лицензии обозначены как other и требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Summary

JoyAI-Echo 1.5 is a unified audio-visual generation system for persistent stories and interactive worlds. This repository contains the long-video model weights. Its reference-to-video pipeline accepts a text prompt, an optional first-frame condition, and up to seven ordered memory slots containing reference images and audio.

A paired cross-modal memory bank carries character appearance, voice identity, and scene context across independently editable shots. The release uses an 8-step DMD generator built on LTX-2.3 and provides BF16, FP8, and FP4 variants through one inference pipeline.

Highlights

  • 🎞️ Reference-driven multi-shot generation: use text, a first frame, and up to seven memory slots for each shot.
  • 🔊 Joint audio-video generation: generate synchronized video and audio in one pipeline.
  • 🧠 Paired cross-modal memory: reuse appearance, voice, and scene evidence from previous shots.
  • ⚡ Few-step inference: generate each shot with an 8-step DMD sampler.
  • 💻 Consumer-GPU profiles: layer-wise DiT offload and tiled Video VAE decoding are available in the inference repository.

Released Checkpoints

DirectoryPrecisionSizeContents
echo15_full_dmd/BF1646.14 GBmodel.safetensors
echo15_fp8/FP827.62 GBmodel.safetensors
echo15_fp4/FP422.81 GBcomponents.safetensors, transformer_modelopt.pt

Each directory also contains a checkpoint.json manifest. SHA256SUMS records the hashes of all checkpoint files.

JoyAI-Echo 1.0 is preserved on the echo1.0 branch.

Usage

1. Download one checkpoint

# BF16
hf download jdopensource/JoyAI-Echo \
  --include "echo15_full_dmd/*" \
  --local-dir checkpoints

# FP8
hf download jdopensource/JoyAI-Echo \
  --include "echo15_fp8/*" \
  --local-dir checkpoints

# FP4
hf download jdopensource/JoyAI-Echo \
  --include "echo15_fp4/*" \
  --local-dir checkpoints

Download the Gemma text encoder separately:

hf download google/gemma-3-12b-it \
  --local-dir checkpoints/gemma-3-12b

2. Get the inference code

git clone https://github.com/jd-opensource/JoyAI-Echo.git
cd JoyAI-Echo/echo_longvideo

3. Run batch inference

python inference.py --config configs/inference.bf16.yaml  # BF16
python inference.py --config configs/inference.fp8.yaml   # FP8
python inference.py --config configs/inference.fp4.yaml   # FP4

The default configuration processes the R2V requests in examples/the_last_visa/requests/. See the inference repository for the request schema, conditioning cache, low-VRAM profiles, and local server.

Links

Acknowledgements

We gratefully acknowledge the open-source projects that make this release possible, especially LTX-2.3, Gemma, and MSST-WebUI.

Citation

@article{duan2026joyaiecho15,
  title         = {Long-Horizon Audio-Visual Generation for Persistent Stories and Interactive Worlds},
  author        = {Duan, Nan and Huang, Haoyang and Jin, Weiyang and Li, Haoran and Li, Yaowei and Li, Yuming and Liu, Yijun and Lu, Xin and Ma, Xiaoxiao and Ma, Yanwen and Su, Yaofeng and Sun, Yilang and Wang, Haoyu and Xue, Zeyue and Zhang, Songchun and Zhuang, Junhao},
  journal       = {arXiv preprint arXiv:2608.23383},
  year          = {2026},
  eprint        = {2608.23383},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CV},
  url           = {https://arxiv.org/abs/2608.23383}
}

License

This project is based on LTX-2 by Lightricks Ltd.

All original copyright, license, patent, trademark, and attribution notices from LTX-2 are retained. This project remains subject to the LTX-2 Community License Agreement.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
d5a781e

0 моделей