Розпізнавання мовлення шляхом одночасного аналізу звукової доріжки та відеозапису руху губ мовця, що робить модель стійкою до аудіошумів.

Генерація реалістичного відео обличчя людини на основі наданого аудіозапису її голосу.

Автоматичний переклад художніх фільмів з однієї мови на іншу зі збереженням інтонацій акторів.

Синхронізація субтитрів із відеопотоком за допомогою визначення пауз у мовленні.