基于图生视频的能力，用户只需上传一张图片，并简短描述希望画面如何运动、镜头如何调度等，混元即可按要求让图片动起来， 变成 5 秒的短视频，还能自动配上背景音效 。此外，上传一张人物图片，并输入希望“对口型”的文字或音频，图片中的人物即可“说话”或“唱歌”；使用“动作驱动”能力，还能一键生成同款跳舞视频。