Le générateur de vidéo fonctionne selon deux modes. « Photo vers vidéo » anime une image que vous importez : un visage sourit et tourne la tête, des vagues viennent mourir sur le rivage, la caméra glisse autour de la scène. « Texte vers vidéo » construit un clip de toutes pièces à partir d'une description — personnages, décor, mouvement de caméra et ambiance. La plupart des modèles génèrent le son en même temps que l'image : voix, musique et bruits d'ambiance.
Tous les modèles vidéo de pointe de 2026 sont réunis dans une seule interface. MiniMax H3 Turbo est le plus rapide et le plus abordable, avec un clip prêt en environ une minute. MiniMax H3 excelle particulièrement pour animer des portraits. Kling 3 et Kling 3 Pro offrent des mouvements de caméra et des éclairages dignes du cinéma. Veo 3.1, de Google, propose une physique réaliste. Gemini Omni Flash est le nouveau modèle de Google, reconnu pour sa fidélité précise au prompt et sa gestion de la voix. Wan 3.0, d'Alibaba, excelle dans la construction de scènes narratives avec changements de plan. Grok Imagine 1.5 de xAI et Kling 4.0 peuvent produire des clips allant jusqu'à 15 secondes en une seule génération. Seedance 2.5, de ByteDance, est un modèle premium conçu pour les actions complexes et la voix avec synchronisation labiale.
La durée est de 5 ou 10 secondes (8 secondes également disponibles avec Gemini Omni Flash, 4, 6 ou 8 secondes avec Veo 3.1, et jusqu'à 15 secondes avec Grok Imagine et Kling 4.0), la résolution est en 720p ou 1080p, dans les formats 16:9, 9:16 et 1:1. La génération se déroule entièrement dans le cloud : aucune carte graphique ni logiciel n'est nécessaire. Le fichier MP4 final peut être prolongé, modifié par description, agrandi en 4K, ou publié immédiatement.