Sube dos retratos de personas adultas. La primera foto se usa para quien canta y la segunda para quien toca la guitarra. Se genera al personaje que escucha desde el piso superior. El vídeo vertical de 13 segundos usa audio nuevo, sin la grabación de origen. Cuesta 130 créditos.
Sube un retrato de una persona adulta para la escena que pasa del horizonte urbano al café. El vídeo final de 10 segundos cuesta 130 créditos e incluye audio recién generado; la vista previa anunciada es más corta.
Sube una foto de un perro. La página anuncia un montaje de 15 segundos, pero el ejemplo público es el vídeo de referencia completo de 29 segundos. No se ha confirmado si incluye audio.