Ini mendukung input teks, gambar, dan video. Gambar perlu mengandung subjek statis yang akan dianimasikan, sementara video referensi menawarkan gerakan, ekspresi, latar belakang, atau audio yang akan ditransfer. Adapun prompt teks, ini memungkinkan Anda untuk menyesuaikan parameter seperti tindakan, gerakan karakter, efek kamera, dan lainnya.