Phenaki es un modelo capaz de generar videos realistas a partir de una serie de indicaciones de texto. Aprende a representar videos comprimiéndolos en una pequeña representación de tokens discretos. El modelo utiliza atención causal en el tiempo para generar tokens de video condicionados a tokens de texto precalculados. En comparación con métodos previos de generación de video, Phenaki puede generar videos de longitud arbitraria a partir de una serie de indicaciones (como texto o historias que varían en el tiempo). Su objetivo es la generación de videos en un dominio abierto. El modelo también presenta una capacidad de generalización que supera el alcance de los conjuntos de datos de video existentes. Para satisfacer mejor las necesidades del usuario, Phenaki también ofrece ejemplos interactivos y otras aplicaciones.