AI日報：京東開源視頻實時編輯模型；Qwen-Image-3.0上線；騰訊混元發佈Hy ASR 3.0 preview

近日，AI領域迎來多項重要更新，從影像生成到語音辨識，各大科技公司紛紛推出新模型與開源工具，為開發者與創作者提供更強大的技術支援。其中，京東開源了自研的實時流式視頻編輯模型 JoyAI-Video-Edit，在處理速度與影片長度上取得突破，實現「邊看邊改」的即時編輯體驗；阿里巴巴的千問系列則推出全新圖像生成模型 Qwen-Image-3.0，以極具競爭力的價格與高品質輸出登上國內文生圖排行榜首位；騰訊混元也加入戰局，發布 Hy ASR 3.0 preview 預覽版，持續深化語音辨識技術的應用。 京東此次開源的 JoyAI-Video-Edit 模型，主打實時流式編輯能力，能在 720P 解析度下達到每秒 30 幀的推理速度，用戶在觀看影片的同時即可直接修改畫面內容，無需等待冗長的渲染過程。這項技術不僅大幅提升影片創作的靈活性，也為機器人訓練數據的合成開闢了新路徑。傳統上，機器人需要大量標註影片進行訓練，而 JoyAI-Video-Edit 能夠在即時生成與編輯中產出多樣化的場景數據，降低人工標註成本，加速自動化領域的研發進程。 從技術架構來看，JoyAI-Video-Edit 採用流式處理機制，模型能夠在接收影片流的同時進行逐幀推理與修改，這與傳統的離線編輯方式截然不同。開發者可以將此模型整合到即時互動應用中，例如直播特效、線上教學、虛擬角色控制等。京東選擇以開源方式釋出，意在吸引更多社群參與優化，並推動影片編輯技術在更多垂直場景落地。 阿里巴巴則在圖像生成領域補上重要拼圖，千問系列的 Qwen-Image-3.0 模型正式上線，並在文生圖榜單中拿下國內第一的成績。該模型支援超長文本理解，能精準捕捉用戶輸入的複雜描述，進而渲染出符合要求的圖像。無論是寫實風格、插畫設計，還是融合多種語言的文字提示，Qwen-Image-3.0 都能保持穩定的輸出品質。值得注意的是，其定價僅為每張 0.18 元人民幣，在商業工作流中極具成本優勢，適合大量生成素材的場景，如電商產品圖、廣告素材、遊戲原畫等。 Qwen-Image-3.0 的推出，補齊了千問系列在生成式 AI 的版圖。此前阿里巴巴已陸續推出語言模型、程式碼生成模型與影片理解模型，如今圖像生成模型加入，使得開發者能夠在同一生態中調用多模態能力，減少跨平台整合的麻煩。官方表示，該模型在超長文本理解上進行了專門優化，能夠處理數百字的提示詞，並將其中細節逐一對應到生成的圖像中，避免遺漏或誤讀。 騰訊混元團隊則在語音辨識領域迎來新進展，發布 Hy ASR 3.0 preview 預覽版。雖然目前相關細節尚未完全公開，但從命名序列來看，這次更新預計會在辨識準確率、延遲以及多語言支援上有所提升。混元系列一直是騰訊在 AI 基礎模型上的重要布局，涵蓋語言、圖像與語音等方向，Hy ASR 3.0 的預覽版釋出，意味著騰訊正逐步完善其多模態技術棧，為後續的商業應用打下基礎。 綜合來看，這三項更新分別觸及影片編輯、圖像生成與語音辨識三個關鍵領域，展現出 AI 技術從單一模態走向多模態融合的趨勢。京東的開源策略有助於降低即時影片編輯的技術門檻，讓更多中小型開發者能夠嘗試實時互動應用；阿里的圖像生成模型以高性價比切入市場，有望帶動內容創作產業的生產效率提升；騰訊的語音辨識預覽版則預示著更流暢的人機互動體驗即將到來。 對於開發者而言，這些工具與模型不僅提供了現成的解決方案，也開放了改進與整合的空間。京東的 JoyAI-Video-Edit 開源後，社群可以依此開發出更貼近特定需求的編輯工具；Qwen-Image-3.0 的 API 價格親民，適合大規模呼叫；Hy ASR 3.0 preview 則讓語音應用開發者提前熟悉新功能。整體而言，2026 年下半年的 AI 生態正變得更加開放與成熟，各家公司不再僅滿足於自用，而是積極透過開源與低價策略爭取開發者社群的支持。 此外，這些技術進步也反映出產業對實時性與成本效益的追求。影片編輯從離線轉向即時，圖像生成從實驗室邁向商業化部署，語音辨識則持續追求更低的辨識延遲。隨著模型能力不斷提升，AI 工具將更深入地融入日常創作與生產流程，成為不可或缺的基礎設施。未來，我們可以期待更多跨領域的整合應用出現，例如結合即時影片編輯與語音指令的互動式內容製作，或是利用千問圖像模型生成素材後，再透過語音標註進行自動化調整，實現真正的端到端創作體驗。 總之，京東、阿里巴巴與騰訊在同一天內分別釋出或更新其 AI 模型，顯示出中國科技巨頭在 AI 賽道上的競爭已進入白熱化階段。開源、低價、預覽版等策略的背後，是對開發者生態與市場份額的爭奪。對於使用者而言，這無疑是利多消息，因為更多選擇、更低成本與更強性能的模型正在加速湧現。