Модель предназначена для генерации видео из изображений (image-to-video), то есть для создания или продолжения видеосцен на основе исходного изображения и текстового описания. Заявленные языки — английский и китайский.
Модель имеет размер 14B параметров и ориентирована на генерацию видео с разрешением 720p. Доступны варианты квантования, созданные на основе FP32; в репозитории также указан вариант FP16. Формат GGUF позволяет использовать модель через совместимые инструменты, в частности custom node ComfyUI-GGUF, однако для работы требуются дополнительные файлы из отдельного репозитория Comfy-Org и настройка соответствующего окружения. Размер FP16-файла может превышать 50 ГБ, а загрузка разделённых GGUF-файлов в ComfyUI-GGUF на момент подготовки README не поддерживается.
К сильным сторонам относятся специализация на image-to-video, поддержка генерации видео в высоком разрешении и наличие вариантов квантования, которые могут снизить требования к ресурсам по сравнению с полноразмерной версией. Ограничения включают высокие аппаратные требования, необходимость дополнительных компонентов и зависимость от совместимости с ComfyUI-GGUF; длина контекста, точные требования к памяти и другие архитектурные характеристики в README не указаны. Модель распространяется по лицензии Apache-2.0.