A VideoPoet különlegessége, hogy egy LLM-et, azaz egy nagy nyelvi modellt vet be, hogy videót készítsen szövegből, képből, más videóból, illetve ezek kombinációiból is, és még hangot is képes előállítani videó alapján. Képes hosszabb videók létrehozására is, megőrizve az objektumok megjelenését.
