JD.com ra mắt bộ đôi mô hình AI: JoyAI-Talker tương tác giọng nói và JoyAI-Video-Edit chỉnh sửa video thời gian thực

Theo tin từ IT ngày 18 tháng 7, Hội nghị Trí tuệ Nhân tạo Thế giới và Hội nghị Cấp cao về Quản trị AI Toàn cầu (WAIC) 2026 đã chính thức khai mạc vào ngày hôm qua tại Thượng Hải, diễn ra đồng thời tại bốn địa điểm thuộc ba khu vực: Triển lãm Thế giới (World Expo), Trương Giang và Bờ Tây (West Bund).

Ngày 18 tháng 7, JD.com đã xuất hiện tại Trung tâm Triển lãm Thế giới Thượng Hải với chủ đề trọng tâm là "AI tiến vào thế giới vật lý", lần đầu tiên giới thiệu một cách hệ thống ma trận mô hình JoyAI hướng tới thế giới vật lý.

Về các mô hình, JD.com đã ra mắt mô hình tương tác giọng nói thời gian thực JoyAI-Talker và mô hình chỉnh sửa video thời gian thực JoyAI-Video-Edit. Theo giới thiệu từ JD.com, JoyAI-Talker sở hữu các khả năng như đối thoại độ trễ thấp, thấu hiểu cảm xúc, gọi công cụ và ghi nhớ, giúp AI chuyển dịch từ việc thực thi mệnh lệnh máy móc sang thấu hiểu ý định và trạng thái của con người. Mô hình này có thể nhận diện danh tính người dùng thông qua dấu vân giọng nói, kết hợp với dữ liệu môi trường để hiểu ý định đối thoại.

Trong khi đó, JoyAI-Video-Edit hỗ trợ tùy chỉnh khung hình và chỉnh sửa ngay trong khi xem trước, giúp việc biên tập video trở nên linh hoạt và mang tính thời gian thực hơn. Mô hình này mở rộng khả năng xử lý video sang dạng chỉnh sửa luồng (streaming edit), cho phép người dùng đối diện với các khung hình video đang thay đổi có thể trực tiếp sử dụng ngôn ngữ tự nhiên để thêm hoặc xóa vật thể, thay thế nhân vật, thay đổi trang phục, thậm chí tái cấu trúc toàn bộ bối cảnh.

Như IT đã đưa tin trước đó, từ đầu năm nay, JD.com đã lần lượt công bố 7 mô hình nền tảng như Joy-Image-Edit, JoyAI-Echo, JoyAI-VL-Interaction. Lấy mô hình lớn nền tảng JoyAI làm cốt lõi, JD.com đã hình thành một hệ thống mô hình nền tảng bao phủ các lĩnh vực giọng nói, hình ảnh, video, tương tác thời gian thực, mô hình thế giới và trí tuệ hiện thân (embodied AI).

Trong khuôn khổ WAIC lần này, JD.com cũng đã mã nguồn mở EgoLive - bộ dữ liệu góc nhìn con người lớn nhất trong ngành, đồng thời xây dựng "AI Home" đầu tiên mang tên JoyInside. Khách tham quan tại hiện trường có thể đeo JoyEgoCam để trực tiếp trải nghiệm việc thu thập dữ liệu từ góc nhìn thứ nhất.

Đọc thêm:

"Đưa mô hình lớn từ 'hỏi một đáp một' sang 'vừa xem vừa nói', JD.com mã nguồn mở mô hình tương tác ngôn ngữ thị giác video thời gian thực JoyAI-VL-Interaction"

Chuyên đề Hội nghị Trí tuệ Nhân tạo Thế giới 2026

Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài có trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, tiết kiệm thời gian chọn lọc, kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết của IT đều bao gồm tuyên bố này.