Thả một file audio vào. Gemini nghe, chép lời và lấy timestamp thật, tìm clip GIPHY khớp từng câu, rồi ghép các clip động lại — hình bám đúng lúc người nói. Không phụ đề, chỉ hình và tiếng gốc.
Cần một hoặc nhiều GIPHY API key miễn phí — lấy tại developers.giphy.com, chọn "Create an App" → API (không phải SDK). Key chỉ nằm trong trình duyệt của bạn. Chế độ này cần Gemini để nghe audio.
Xuất ra WebM khớp đúng khung đã chọn (9:16 = 1080×1920). Video được thêm 1 giây hình ở cuối để không dừng đột ngột khi lời nói vừa dứt. Encode bằng CPU theo thời gian thực — video 60 giây mất đúng 60 giây.