Sinusuportahan nito ang pag-input ng teksto, mga larawan, at mga video. Ang larawan ay kailangang naglalaman ng static na paksa na ia-animate, habang ang reference video ay nag-aalok ng galaw, ekspresyon, background, o audio na ililipat. Tungkol sa text prompt, pinapayagan kang i-customize ang mga parameter tulad ng mga aksyon, galaw ng karakter, mga epekto ng kamera, at iba pa.