VibeVideoBench: Đánh giá các agent đa phương tiện trên sản xuất video dựa trên mã

Đoạn trích bài viết

Các mô hình video truyền hình tạo ra các clip ấn tượng, nhưng chúng không thể thực hiện một công thức chính xác, một biểu đồ chính xác, một trò chơi phù hợp với các quy tắc hoặc câu chuyện đồng bộ với các sự kiện trên màn hình. Một con đường khác đang xuất hiện: các agent đa phương pháp viết mã để hiển thị mỗi khung hình và tổng hợp mọi âm thanh. W.