目前生成式视频模型的具体应用场景尚不明朗，但这并未阻碍 Runway、OpenAI 和 Meta 等巨头投入巨资研发。Meta 最新推出的 Movie Gen 能将文本提示转化为带音效的逼真视频，但暂不支持语音生成，且未向公众开放。
Movie Gen 实为一组基础模型的集合，核心为文生视频模块。Meta 宣称其性能优于 Runway Gen3、Luma Labs 及 Kling 1.5，但这更多是表明入局姿态而非绝对领先。具体技术细节详见 Meta 发布的组件论文。
智能音频与便捷编辑
系统可根据画面自动生成匹配音效（如引擎声、瀑布声）或背景音乐。针对视频生成器普遍存在的编辑难题，Meta 引入了基于文本的局部编辑功能。用户可通过指令（如“将背景改为繁忙十字路口”）精准修改特定元素，而无需重新生成整个画面。
此外，模型还能理解“跟踪镜头”、“向左平移”等运镜指令，虽不及专业摄像机控制精准，但已具备基础实用性。
分辨率与帧率规格
Movie Gen 原生生成宽度为 768 像素的视频，经超分放大至 1080p，效果出色。在时长与帧率方面，支持 16 秒/16fps 或 10 秒/24fps 两种模式，建议优先选择后者以获得更流畅体验。
暂缓语音功能的考量
暂不支持语音主要出于技术与安全双重考量：
- 技术层面：实现语音、口型与面部动作的完美同步难度极高，贸然上线易导致生成内容失控。
- 安全层面：在大选前夕发布类深度伪造工具风险巨大。限制语音功能可有效提高恶意使用门槛，防止直接生成虚假政治言论。
Meta 回应称：“Movie Gen 目前纯属 AI 研究概念，安全始终是重中之重。”与 Llama 不同，该模型代码不会开源，仅公开底层评估提示数据集供研究参考。