VANS团队 投稿 量子位 | 公众号 QbitAI 当你对下一步感到迷茫时，AI的答案可以不再只是文字，而是一段为你定制的视频。 你是否曾有过这样的经历—— 此前，学术界对于「下一事件预测」任务的研究，答案形式始终是文字。 而这项工作则开创性地提出了Video-Next Event Prediction任务，要求模型直接生成一段动态视频作为回答。 看着网上「如何打温莎结」的图文教程，手里的领带却依然不听使唤；或者看完一段电影预告片，心里疯狂猜想：「下一秒，主角会做出什么 惊人的举动？」 传统的AI模型可能会给你一段文字描述作为答案，但「听到」和「看到」之间的差距，有时就是学不会和秒懂之间的天堑。 今天，来自快手可灵团队和香港城市大学的研究者们，正在尝试打破这一界限。他们提出了一个全新的任务范式——「视频作为答案」，并发 布了相应模型 VANS 。 这意味着， AI不仅能「想」到接下来会发生什么，还能直接「秀」给你看！ 从「告诉你」到「做给你看」：视频生成的新范式 目前，强大的语言模型已经深入各行各业，但视频生成技术却大多局限于娱乐和内容创作。 这项研究的动机正在于此： 视频天生就承载着语言难以精确描述的动态 ...