Fairy é uma adaptação de um modelo de difusão de edição de imagem simples, porém poderoso, para aplicativos de edição de vídeo. Seu núcleo é baseado em um mecanismo de atenção interframe ancorado, que propaga implicitamente recursos de difusão entre frames, garantindo melhor coerência temporal e síntese de alta fidelidade. Fairy não apenas resolve as limitações de memória e velocidade de processamento de modelos anteriores, mas também melhora a consistência temporal por meio de uma estratégia única de aumento de dados.