एनिमेटएलसीएम-एसवीडी-एक्सटी एक नया इमेज-टू-वीडियो निर्माण मॉडल है जो कम चरणों में उच्च-गुणवत्ता वाले, सुसंगत वीडियो बना सकता है। यह मॉडल सुसंगत ज्ञान आसवन और स्टीरियो मैचिंग लर्निंग तकनीक के माध्यम से वीडियो निर्माण को अधिक स्थिर और सुसंगत बनाता है, साथ ही गणना की मात्रा को भी काफी कम करता है। प्रमुख विशेषताएँ इस प्रकार हैं: 1) 4-8 चरणों में 25 फ़्रेम 576x1024 रिज़ॉल्यूशन वीडियो बनाना; 2) सामान्य वीडियो डिफ्यूज़न मॉडल की तुलना में 12.5 गुना कम गणना; 3) उच्च-गुणवत्ता वाले वीडियो बनाना, अतिरिक्त वर्गीकरणकर्ता मार्गदर्शन की आवश्यकता नहीं।