MotionClone es un marco sin entrenamiento que permite la clonación de movimiento desde un vídeo de referencia para controlar la generación de vídeo a partir de texto. Utiliza un mecanismo de atención temporal para representar el movimiento en el vídeo de referencia durante la inversión del vídeo, e introduce una guía de atención temporal principal para mitigar el impacto del ruido o movimientos muy sutiles en los pesos de atención. Además, para ayudar al modelo generador a sintetizar relaciones espaciales razonables y mejorar su capacidad de seguimiento de indicaciones, se propone un mecanismo de guía semántica perceptiva de la posición que utiliza la ubicación aproximada del primer plano en el vídeo de referencia y la ubicación de las características de guía libre del clasificador original.