支持文字、图片、参考片段多种形式创作高清影像，零基础也可快速出片。

一个基于Transformer的大型文本到视频生成预训练模型，具有94亿参数量。

平台依托美国本土自研NVIDIA RTX 5090 GPU集群运行，搭载12余款AI模型，图像生成耗时低于2秒，1080p视频生成约8秒。