写真のアニメーション化は、単なるズームやパララックス効果とは違います。動画モデルが画像を解析し、人物、水面、布、空などを認識したうえで、本物らしい動きを生成します。人物が微笑んで振り向く、髪が揺れる、水面が波立つ、雲が流れる——そんな自然な動きが実現します。多くのモデルは音声も同時に生成し、波の音や風音、人の声、音楽まで加わります。
5つのモデルから選べます。MiniMax H3 Turboは最速・最安で、約1分で音声付きの動画を生成します。MiniMax H3は自然な表情表現に優れ、写真アニメーション部門でトップクラスの評価を得ています。Kling 3は滑らかで映画的なカメラワークを実現し、GoogleのVeo 3.1はリアルな物理挙動を再現します。Gemini Omni FlashとWan 3.0は、物語性のあるシーンやセリフ表現を得意とします。クリップの長さは5秒または10秒（Veoの場合は4秒、6秒、8秒）で、解像度は720pまたは1080pです。
「カメラがゆっくりズームインする」「女性が笑いながら髪をかき上げる」「雪が降り始める」など、動きを自分の言葉で自由に説明できます。何も入力しなければ、モデルが自然な動きを自動で選んでくれます。完成したMP4動画は、Reels、TikTok、Shorts、メッセージアプリにそのまま使える仕上がりです。