Trois à six secondes. Pas d'audio. Une résolution inférieure aux images fixes de la même plateforme. Un mouvement convaincant sur les petits gestes — une rotation de tête, les cheveux, un changement d'expression — et qui s'effondre sur tout ce qui implique des mains, une seconde silhouette ou un changement de caméra.
Le mode de défaillance est précis et constant : la première seconde est bonne, le modèle perd l'identité du sujet quelque part au milieu, et la dernière seconde montre quelqu'un d'autre. C'est le même problème de persistance d'identité qui rend difficile la constance des images fixes, sauf qu'une vidéo vous montre la dérive en temps réel au lieu de vous laisser jeter les mauvaises générations.
Le texte et les mains, déjà le point faible de la génération fixe, sont pires en mouvement parce que les erreurs scintillent désormais d'une image à l'autre.