JoyAI-Video-Edit、16B パラメータ自動回帰拡散で 720p 30FPS リアルタイム動画編集を実現

要約

JoyAI-Video-Edit は、16B パラメータの自動回帰拡散モデルで、未来フレームなしに動画をリアルタイム編集できるフレームワークを実現した。チャンク単位の自動回帰適応と Source-Anchored Distribution Matching Distillation (SA-DMD)、Long-Horizon Autoregressive Distillation を組み合わせ、訓練・推論のミスマッチを削減し、元映像の忠実度を保持しながら時間的ズレの蓄積を抑制した。単一の Nvidia B200 GPU 上で 720p 動画を約 30FPS で編差分処理でき、既存ストリーミング編集ツールを大きく上回り、オフライン方式と同等の性能を短・長尺両方の動画で達成した。