通过结合视觉参考（Visual Reference）和指令，Gen-4 能够帮助创作者创建风格、主题、场景等内容一致的图像和视频，为故事提供连贯性和更强的控制力。
以下是 Runway 官方制作的四部短片和音乐视频。
这部短片完全由 Gen-4 制作。故事主角 “小火焰” 在不同的光照条件和情绪表达下，保持了基本特征的一致性。
展示了 Gen-4 的视觉特效能力，将不同的动物融入纽约的真实场景中。影片中的每个场景都是先通过 Gen-4 的参考（Reference）功能，将真实动物的参考图像与纽约的真实照片结合起来，然后通过输入具体指令（Prompt）生成每一场的动作和画面。
是一部短片，讲述了一个年轻人在夜晚穿越一片牛群的故事。创作者使用 Gen-4 以及少量的参考图像，便构建出了逼真的人物、朦胧的牛群和田野的每一个镜头，随后通过 Act-One（一项将演员表情映射到影片人物上的技术） 将整个故事串联起来。
是一部短篇动画电影，讲述了一群探险者寻找神秘花朵的故事。这部作品完全由 Gen-4 制作，耗时不到一周。
一个 15 人团队在 14 天内通过10.8万次生成，制作出一部90分钟的AI长片并入围戛纳影展。创作博主ADIL分享了制作过程，包括将影片从 110 分钟剪至 90 分钟、修复 40 个场景，并展示了三个典型问题场景的修复案例。他总结了28 个技巧，涵盖提示词、前期制作、团队协作和剪辑。关键技巧包括：情感场景需描述身体细微反应以消除“机器人感”.图像提示词应指定镜头焦距、光圈等参数，避免空泛描述。避免正面视角，使用四分之三或天花板角度。通过 X 轴 Y 轴百分比坐标系统精确控制角色位置。
Google I/O 大会上，DeepMind 团队推出全新多模态视频模型 Gemini Omni，被视为视频领域的 “Nano Banana”。该模型从底层架构重新设计，支持图像、视频和音频混合输入，通过日常语言即可完成复杂视频编辑。其核心优势在于高可控性和时间维度感知，例如可让画面中的物体凭空消失或改变摄像机视角，同时保持背景与动作一致。用户仅需提供几张照片和一段语音，即可生成高度还原的个人虚拟分身。Omni 还展现出未经过专门训练的涌现能力，如自动同步视频与音乐节奏、根据剧情逻辑续写场景。
Runway 估值达 530 亿，正从视频生成工具转型构建 AI 世界模型。其核心逻辑是利用视频数据中蕴含的物理规律，弥补文本数据的偏见，目前已发布 Gen-4.5 并规划了交互式模拟、机器人训练等五步路线图。凭借好莱坞付费用户形成的反馈闭环与经常性收入，Runway 具备较强商业基础。尽管面临算力瓶颈及 Google、Luma 等激烈竞争，且 Sora 退出留下市场真空，但 Runway 通过“先有生意再有研究”的策略，试图验证视频生成通向世界理解的工程化路径。
围绕《四部来自 Runway 官方的 Gen-4 示例短片》展开交流，未登录用户可浏览评论，登录后可参与讨论。
