Show-1は、効率的なテキストから動画への生成モデルです。ピクセルレベルと潜在変数レベルの拡散モデルを組み合わせることで、テキストと高度に関連した動画を生成し、かつ低い計算資源で高品質な動画生成を実現します。まず、ピクセルレベルのモデルを用いて低解像度の動画を生成し、その後、潜在変数モデルを用いて高解像度へとアップサンプリングすることで、両モデルの長所を活かしています。純粋な潜在変数モデルと比較して、Show-1は生成される動画のテキストとの関連性がより正確で、純粋なピクセルモデルと比較して計算コストも低くなっています。