Mochi 1
Genmo 开源的文字到视频生成模型,采用 Apache 2.0 许可,支持 Gradio 界面、命令行与可编程 API 调用,并能用 LoRA 微调、在 ComfyUI 里跑消费级显卡,适合做视频生成的开发者自备显卡环境本地部署验证。
1 次可以打开平均 8.7 秒11 月 17 日 起国内不可直接访问11 月 11 日 起国内不可直接访问
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。Mochi 1 是 Genmo 发布的开源视频生成模型,仓库放在 GitHub 上,采用 Apache 2.0 许可。它要解决的是文字到视频这一段:给一段提示词,模型生成带运动的视频片段。按项目自己的说法,它在初步评测里运动保真度高、对提示词的遵循较强,把开源方案和闭源视频生成系统之间的差距拉近了不少。
怎么用
它不是一个打开网页就能用的产品,而是一套需要自己跑起来的代码。安装走 uv,要求 Python 3.11 或更新版本,另外要装 FFMPEG 才能把输出合成视频。模型权重可以用仓库里的 download_weights.py 下载,也能从 Hugging Face 或磁力链接直接取。装好之后有两种入口:起一个 Gradio 界面在浏览器里操作,或者用命令行脚本直接生成。仓库还带一套可编程调用的 API,示例里能看到设置分辨率、帧数、推理步数、随机种子和正负提示词这些参数。
微调与生态
仓库提供了 LoRA 微调的训练脚本,2024 年 11 月 26 日的更新里加上了这项支持;同月 5 日的更新则让 Mochi 能在 ComfyUI 里用消费级显卡跑。手上有 safetensors 格式的 LoRA 时,界面和命令行都能通过参数加载。
门槛
本地推理和微调对显卡有要求,仓库也提示 GPU 推理与微调在部署前需要先做验证。不想自己配环境的话,官方另有在线 Playground 可以免费试。仓库界面是英文,文档和代码注释也以英文为主。
