京东开源JoyAI-VL-Interaction，把视频AI从「你问我答」的轮次对话，推进到「持续在场、主动开口、按时机说话」的流式交互新范式。

世界杯决赛最后一秒，球进了。

你身边那个号称能「看懂视频」的AI，还在安静地等你开口问一句「刚才发生了什么？」。

这就是今天几乎所有视频AI的样子——不管包装得多酷炫，骨子里都是同一个逻辑：你问，它答。

可真实世界里最需要AI出声的那些瞬间，从来不会等人提问——解说员不会等导播发话才开口喊「Goal」。

这些场景要的不是「问答」，而是一双全程在线、自己拿主意什么时候该说话的眼睛。

现在，京东把这双「眼睛」开源了，它叫JoyAI-VL-Interaction。

代码：
http://t.cn/AXStyvUJ

模型：
http://t.cn/AXStyvUM

数据集：
http://t.cn/AXStyvUx

技术报告：
http://t.cn/AXScGBGT