Mindket

JoyAI Video Edit

新上架第 1 版 · 更新于

概览

根据一句自然语言指令编辑视频,并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示,适合视频剪辑师和研究者。

JoyAI Video Edit 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 你电脑上的 Python 3.12
  • requirements.txt 里列出的 Python 包
  • 大显存的 GPU,因为这个 Space 把模型放进一块 48 GB 的切片里
  • huggingface_hub 包,它提供 hf 命令
用在
  • 网页浏览器:打开 Hugging Face 上这个 Space 的页面,无需安装任何东西
  • 装有 Python 的 Windows、macOS 或 Linux:用你下载的副本运行,需要大显存的 GPU
先运行
pip install -U huggingface_hub
hf download hugging-apps/jdopensource-joyai-video-edit --repo-type space --local-dir jdopensource-joyai-video-edit
cd jdopensource-joyai-video-edit

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

JoyAI Video Edit 是 JoyAI-Video-Edit 模型的演示。你用自然语言描述一次修改,模型会每次处理几帧,把它应用到你的视频上。后面的块还在生成时,已编辑好的视频就已经流式传回。

编辑器是一个 16.3B 参数的模型,每块处理 8 帧,并保留一个滚动缓存来记录已经编辑过的内容。另一个模型 MiMo-VL-7B 把你的指令和一帧画面变成条件输入。

适合谁

适合做指令引导视频编辑、想试用流式编辑器而不用自己搭建的研究者和开发者。

行业谁在用怎么用例子
研究视频生成研究者测试指令引导的编辑用一条文字修改指令运行一段短视频
媒体视频剪辑师看文字指令如何改变一段视频试 examples 文件夹里的一个示例片段
软件开发者在基于它开发之前评估流式输出在编辑运行时观察各个块陆续到达

如果你需要精确到帧的控制,可以跳过它,因为编辑是由文字指令驱动的。

用在哪里

  • 网页浏览器:打开 Hugging Face 上这个 Space 的页面,无需安装任何东西
  • 装有 Python 的 Windows、macOS 或 Linux:用你下载的副本运行,需要大显存的 GPU
用例谁用得到什么
用文字编辑视频剪辑师按你的指令编辑后的视频
观看流式输出研究人员生成过程中陆续到达的已编辑块
试用示例片段新手带有作者提示词的展示片段

如何设置

  • 你电脑上的 Python 3.12
  • requirements.txt 里列出的 Python 包
  • 大显存的 GPU,因为这个 Space 把模型放进一块 48 GB 的切片里
  • huggingface_hub 包,它提供 hf 命令
  1. 安装 huggingface_hub 包。
  2. 用 hf 命令下载这个 Space。
  3. 进入下载好的文件夹。
  4. 安装指定版本的 Gradio。
  5. 安装 requirements.txt 里的包。
  6. 用 Python 启动应用。
pip install -U huggingface_hub
hf download hugging-apps/jdopensource-joyai-video-edit --repo-type space --local-dir jdopensource-joyai-video-edit
cd jdopensource-joyai-video-edit
pip install gradio==6.22.0
pip install -r requirements.txt
python app.py

如何使用

在浏览器里打开这个 Space 的页面,或者用下面的命令启动你自己的副本。添加一段视频,用自然语言写下你想要的修改,然后运行。默认值沿用参考服务器的设置。

python app.py

示例

你添加一段短视频,用一句话写下想要的改动。演示会逐块编辑这段视频,你能看到编辑后的视频在生成过程中流式传回。

新手与专家

如果你刚接触 AI 视频编辑,先打开一个示例片段,用作者的提示词运行一次。然后在一段短视频上试一个你自己的小改动。

如果你懂这个领域,这个 Space 是参考部署的移植版,为 ZeroGPU 做了改动。它用 PyTorch 注意力代替 FlashAttention,用纯 PyTorch 实现融合算子,用 torchao 做 FP8,并且不使用 torch.compile。各阶段按顺序运行,而不是并行线程,人脸修复门控被去掉了。

  1. 你添加视频并写下修改指令
  2. 条件编码器读取指令
  3. 编辑器每次改 8 帧
  4. 解码器返回每个块
  5. 编辑后的视频流式传回给你

注意事项

  • 许可证:Space 标注的是 apache-2
  • 运行成本:来源没有提到,不过它在 Hugging Face 的 ZeroGPU 硬件上运行
  • 触及的数据:你添加的视频,以及 Space 里的模型权重和示例片段
  • 不适合:精确到帧的编辑和人脸修复,这个 Space 都没有包含

README 和文件

README

JoyAI Video Edit

根据一句自然语言指令编辑视频,并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示,适合视频剪辑师和研究者。

由 hugging-apps 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:JoyAI Video Edit 是 JoyAI-Video-Edit 模型的演示。你用自然语言描述一次修改,模型会每次处理几帧,把它应用到你的视频上。后面的块还在生成时,已编辑好的视频就已经流式传回。

编辑器是一个 16.3B 参数的模型,每块处理 8 帧,并保留一个滚动缓存来记录已经编辑过的内容。另一个模型 MiMo-VL-7B 把你的指令和一帧画面变成条件输入。

适合谁:适合做指令引导视频编辑、想试用流式编辑器而不用自己搭建的研究者和开发者。

行业 | 谁在用 | 怎么用 | 例子
研究 | 视频生成研究者 | 测试指令引导的编辑 | 用一条文字修改指令运行一段短视频
媒体 | 视频剪辑师 | 看文字指令如何改变一段视频 | 试 examples 文件夹里的一个示例片段
软件 | 开发者 | 在基于它开发之前评估流式输出 | 在编辑运行时观察各个块陆续到达

如果你需要精确到帧的控制,可以跳过它,因为编辑是由文字指令驱动的。

用在哪里:

  • 网页浏览器:打开 Hugging Face 上这个 Space 的页面,无需安装任何东西
  • 装有 Python 的 Windows、macOS 或 Linux:用你下载的副本运行,需要大显存的 GPU
用例 | 谁用 | 得到什么
用文字编辑视频 | 剪辑师 | 按你的指令编辑后的视频
观看流式输出 | 研究人员 | 生成过程中陆续到达的已编辑块
试用示例片段 | 新手 | 带有作者提示词的展示片段

如何设置:

  • 你电脑上的 Python 3.12
  • requirements.txt 里列出的 Python 包
  • 大显存的 GPU,因为这个 Space 把模型放进一块 48 GB 的切片里
  • huggingface_hub 包,它提供 hf 命令
  1. 安装 huggingface_hub 包。
  2. 用 hf 命令下载这个 Space。
  3. 进入下载好的文件夹。
  4. 安装指定版本的 Gradio。
  5. 安装 requirements.txt 里的包。
  6. 用 Python 启动应用。
pip install -U huggingface_hub
hf download hugging-apps/jdopensource-joyai-video-edit --repo-type space --local-dir jdopensource-joyai-video-edit
cd jdopensource-joyai-video-edit
pip install gradio==6.22.0
pip install -r requirements.txt
python app.py

如何使用:在浏览器里打开这个 Space 的页面,或者用下面的命令启动你自己的副本。添加一段视频,用自然语言写下你想要的修改,然后运行。默认值沿用参考服务器的设置。

python app.py

示例:你添加一段短视频,用一句话写下想要的改动。演示会逐块编辑这段视频,你能看到编辑后的视频在生成过程中流式传回。

新手与专家:如果你刚接触 AI 视频编辑,先打开一个示例片段,用作者的提示词运行一次。然后在一段短视频上试一个你自己的小改动。

如果你懂这个领域,这个 Space 是参考部署的移植版,为 ZeroGPU 做了改动。它用 PyTorch 注意力代替 FlashAttention,用纯 PyTorch 实现融合算子,用 torchao 做 FP8,并且不使用 torch.compile。各阶段按顺序运行,而不是并行线程,人脸修复门控被去掉了。

你添加视频并写下修改指令
条件编码器读取指令
编辑器每次改 8 帧
解码器返回每个块
编辑后的视频流式传回给你

注意事项:

  • 许可证:Space 标注的是 apache-2
  • 运行成本:来源没有提到,不过它在 Hugging Face 的 ZeroGPU 硬件上运行
  • 触及的数据:你添加的视频,以及 Space 里的模型权重和示例片段
  • 不适合:精确到帧的编辑和人脸修复,这个 Space 都没有包含

Hugging Face 上的数据(2026年11月13日)

  • 点赞:13
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/hugging-apps/jdopensource-joyai-video-edit
  • 文件:https://huggingface.co/spaces/hugging-apps/jdopensource-joyai-video-edit/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
JoyAI Video Edit 本页13gradioapache-2.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架