Phenaki é um modelo capaz de gerar vídeos realistas a partir de uma série de prompts de texto. Ele aprende a representação de vídeos através da compressão dos vídeos em uma pequena representação de tokens discretos. O modelo usa atenção causal no tempo para gerar tokens de vídeo condicionados aos tokens de texto pré-calculados. Comparado com métodos anteriores de geração de vídeo, o Phenaki pode gerar vídeos de comprimento arbitrário a partir de uma sequência de prompts (como texto ou histórias variáveis no tempo). Seu objetivo é gerar vídeos em domínio aberto. O modelo também possui capacidade de generalização que ultrapassa o escopo dos conjuntos de dados de vídeo existentes. Para melhor atender às necessidades dos usuários, o Phenaki também fornece exemplos interativos e outros cenários de aplicação.