- Entradas multimodais de imagem, vídeo, áudio e texto
- Suporte para até nove imagens, três vídeos e três arquivos de áudio
- Sistema de referência @ para atribuir funções aos recursos
- Consistência de personagem, produto, estilo e cena
- Replicação de movimento de personagens e de câmera
- Extensão de vídeo e geração de planos-sequência
- Substituição de personagens e edição direcionada de vídeo
- Conclusão de enredo a partir de entradas mínimas
- Lip-sync, efeitos sonoros e fidelidade de áudio
- Sincronização automática entre música e batidas visuais