该视频生成器支持两种模式。“图片转视频”能让上传的照片动起来：人物微笑并转头、海浪拍打沙滩、镜头在场景中缓缓移动。“文字转视频”则根据描述从零构建短片——人物、场景、镜头运动和氛围皆可自定义。大多数模型在生成画面的同时会一并生成声音：语音、音乐和环境音效。
2026年所有主流视频模型均集于一处。MiniMax H3 Turbo速度最快、价格最实惠，约一分钟即可生成一段短片。MiniMax H3尤其擅长让人像动起来。Kling 3与Kling 3 Pro擅长打造电影级运镜与光影效果。谷歌的Veo 3.1提供真实的物理运动效果。Gemini Omni Flash是谷歌推出的新模型，擅长精准还原提示词并生成语音。阿里巴巴的Wan 3.0擅长构建带镜头切换的叙事场景。xAI出品的Grok Imagine 1.5与Kling 4.0可一次生成长达15秒的短片。字节跳动出品的Seedance 2.5是面向复杂动作与带口型同步语音场景的高级模型。
视频时长为5秒或10秒（Gemini Omni Flash还提供8秒选项，Veo 3.1提供4秒、6秒或8秒选项，Grok Imagine和Kling 4.0最长可达15秒），分辨率为720p或1080p，支持16:9、9:16与1:1画幅比例。整个生成过程全部在云端完成，无需显卡或任何软件。生成好的MP4视频可以继续延长、按描述编辑、升级到4K分辨率，或直接发布。