限制

• 生成的影片相當短（<= 4秒），而且模型無法實現完美的照片級真實感。
• 該模型可能會產生沒有運動或非常緩慢的攝影機平移的視訊。
• 模型無法透過文字控制。
• 該模型無法呈現清晰的文字。
• 一般情況下，臉孔和人物可能無法正確產生。
• 模型的自動編碼部分是有損的。