JoyAI-Echo 是京东开源的长时程音视频生成项目，标题为“Long-Horizon Audio-Visual Generation for Persistent Stories and Interactive Worlds”，目标指向持续故事与交互式世界中的长时程音视频生成。仓库同时维护两个相互独立的项目：Echo-WM 与 JoyAI-Echo 1.5，二者拥有各自的环境、检查点和入口，不共享 Python 环境或检查点目录，echo_wm/ 自带 ltx-core 与 ltx-pipelines 副本，因此安装其中一个项目不会影响另一个。检查点也需分别下载。
用途方面，项目主要面向需要长时间跨度、音视频联合生成的场景，例如持续性故事叙述和交互式世界模拟。
主要能力上，据仓库说明，2026-08-28 发布的 JoyAI-Echo 1.5 / Echo-LongVideo 包含长时程生成、消费级 GPU 推理配置（consumer-GPU inference profiles）和 Director Agent。此前 2026-08-26 发布了 Echo-WM，即面向交互式音视频生成的全模态世界模型（omnimodal world model）。2026-06-22 发布了 JoyAI-Echo 1.0，现保存在 echo1.0 归档分支。
Echo-WM 的路线图显示：当前基于 LTX-2.3，包含双向音视频 DiT（Base，约 10 秒）和当前公开预览版 Flash Preview / Causal（分块因果注意力、KV-cache 展开、4 步推理）；后续计划将 Base 与 Causal 迁移至 LTX-2.5，并通过稀疏注意力、更紧凑的缓存与运行时栈降低长展开成本。其他规划包括 SageAttention 等稀疏/低位宽核、FlashAttention/FlashInfer 融合注意力、分页 KV-cache、FP8/TensorRT 等，均属规划或方向，不代表已实现。
使用方式上，需分别按照各项目的 README 配置环境、下载检查点并运行对应入口；两项目环境隔离。
适用场景为学术研究与非商业用途。项目基于 Lightricks Ltd. 的 LTX-2，京东对其部分代码进行了修改，仅用于学术和研究目的；商业使用 LTX-2 或其衍生品需联系 Lightricks Ltd.。项目保留 LTX-2 的全部版权、许可、专利、商标与署名声明，并继续受 LTX-2 社区许可协议约束。若用于研究或产品，作者提供了引用说明。
限制方面，明确仅限学术研究和非商业使用；两个子项目环境、检查点独立，不共享；部分路线图条目（LTX-2.5、稀疏注意力、分页 KV-cache、FP8/TensorRT 等）为未来计划。具体安装命令、模型文件清单、硬件门槛与效果数据，官方文本暂未提供，需参阅各 README。
