Google在2023年底拋出了震撼彈，公開了新的大型AI語言模型 VideoPoet，能夠進行文字轉影片、圖片轉影片、影片風格化、影片轉音訊、擴展影片故事、影片修復等功能，產生直式短影音形式的影片，目前Google Research已公布了各種功能的實際demo畫面，並且將VideoPoet解釋為「用於零鏡頭視訊生成的大型語言模型」。
在2022~2023年非常流行生成AI圖像、AI繪圖等軟體，也出現了一些能生成影片的AI模型，但VideoPoet的突破之處在於，其可以產生超過10秒的短影音，且可以進行大幅的動作連貫，不像過去的AI模型只能生成斷斷續續的畫面，此外，VideoPoet是使用多模態大模型，多模態大模型融合了視覺、語言及多任務建模的功能，可能會成為未來影片生成AI的主流趨勢。
總結來說，VideoPoet擁有了三大優勢，除了上述提到的能生成較長的影片以外，還可以運用不同的指令（如：使用圖片轉影片功能後，再將用文字補充敘述），進而調整生成效果、變得更加精準，另外，也可以使用運鏡的功能，提升畫面的靈活度。
目前VideoPoet還在研究階段，但Google的研究者表示，未來希望能夠讓此模型實現「any to any」的生成，例如音訊轉影片等。而更多的研究細節與畫面demo也可以至Google Research觀看。