AIはすべてのフレームを分析して被写体、背景、小道具、天候、時間帯、空間関係を識別。前景のアクションと周囲の環境の両方を捉え、孤立した要素ではなく完全な視覚コンテキストを考慮したプロンプトを生成。

パン、チルト、ドリー、トラッキングショット、クレーン、ハンドヘルドシェイク、固定三脚などのカメラテクニックを速度と方向とともに検出・記述。これらのカメラ指示はカメラ制御パラメーターをサポートするテキストから動画モデルに不可欠。

光源、方向、品質（ハード、ソフト、拡散）、色温度を識別。暖かいゴールデントーン、クールなティールシャドウ、ハイコントラストノワール、パステルソフトネスなどのカラーパレットとグレーディングスタイルを記述 — 精密な視覚再現を可能に。

人物、動物、オブジェクトの詳細な説明を生成 — 顔の特徴、服装、姿勢、感情的表情、年齢、民族、特徴的属性。非人間被写体では形状、テクスチャ、素材、スケールを細粒度の精度で捉え。

フォトリアリズム、シネマティック、アニメ、3Dレンダー、油絵、水彩、ピクセルアート、混合メディア美学などの視覚スタイルを認識。スタイルタグは別のプロンプトコンポーネントとして出力され、コンテンツを保持しながらスタイルの入れ替えが容易。

MP4、MOVに対応。最長約 60 秒・約 50MB、おおよそ 240p〜4K。AI がキーフレームをサンプリングし、分析の深さと速度を両立します。