Erzeugt Clips von 4 bis 15 Sekunden in nativer 2K-Auflösung, den Stereo-Ton mit Sprache, Geräuschen und Musik bildet dasselbe Modell im selben Durchlauf.
Ein einziges Modell für Text-zu-Video, Bild-zu-Video und Videobearbeitung: Text, Bild, Video und Audio liest es als gemeinsamen Kontext.
Läuft über die API und die Hailuo-App und kostet 0,13 US-Dollar pro Sekunde. Offene Gewichte sind angekündigt, aber noch nicht veröffentlicht.