ByteDance a open-sourcé Bernini, un framework de génération et d’édition vidéo qui utilise un mécanisme de « compréhension préalable, puis génération » pour résoudre les problèmes d’instabilité des images et de flou des cadres. Ce framework sépare la planification sémantique de la rendue visuelle, et prend en charge le traitement de références textuelles, imageuses et vidéo afin de permettre une édition contrôlée. Le code d’inférence ainsi que le modèle Bernini-R ont été publiés ; la version complète suivra bientôt.