Przedstawiamy Sora, nasz model tekst-na-wideo. Sora potrafi tworzyć filmy o długości do 60 sekund, przedstawiające szczegółowe sceny, złożoną ruchomość kamery i wiele postaci z żywymi emocjami. Zachęta: „Piękne, zaśnieżone Tokio tętni życiem. Kamera porusza się przez zatłoczoną ulicę, śledząc kilka osób cieszących się piękną, śnieżną pogodą i robiących zakupy w pobliskich straganach. Wspaniałe płatki sakury unoszą się w powietrzu razem z płatkami śniegu.”