حيث يكون Utopai X أقوى في صناعة الصور إلى فيديو: فهو يتصدر في الفيزياء وتجارب المشاهدة المتعددة والسرد، ويأتي مباشرة بعد الرواد في تناسق الصوت ومطابقة الزمان والمكان وتمثيل النصوص.
المواهب هي المهارات النموذجية التي يُكتب النص لتختبرها. في برنامج AA-Video-I2V v2.1، يقوم كل نص بتزويد صورة أولية بنص توضيحي مكتوب لذلك الصورة.
ضد MiniMax H3 (768p)، الذي هو النموذج الذي تم تدريبه على إثره، فإن Utopai X أقرب إلى الحدود في 7 من الـ 10 مهارات. أكبر مكاسبها تكون في الفيزياء، التشريح البشري والتزامن الصوتي. أما في موضوعات الحوار والتماثل الشفوي والتشريح البشري، فإنها تتخلف عن القادة بكثير.
➤ الفيزياء تشمل الميكانيكا، التأثيرات الحرارية، التفاعلات المادية، الكسر والتشوه، البصريات، السبب والنتيجة، والفيزياء الناقصة.
➤ عروض المشاهد المتعددة والسردية تغطي قصصًا متعددة الأحداث، وتحولات التصوير، والمونتاج، واستمرارية الهوية بين المشاهد.
➤ الحوار والتزامن بالشفاه، حيث يتبع Utopai X القادة في الغالب، يغطي حوار الأشخاص ذوي الصوت الواحد والمتعدد، وكذلك الحوار الصوتي مقابل الخطاب على الشاشة.