Downcodes小编获悉，视频生成领域取得重大进展！Genmo公司重磅开源了其最新视频生成模型Mochi1，该模型参数高达100亿，是目前公开发布的最大视频生成模型。Mochi1采用创新的Asymmetric Diffusion Transformer(AsymmDiT)架构，拥有简单易修改的特性，为开源社区开发者提供了极大的便利，并能生成长达5.4秒、帧率高达30帧/秒的高质量视频。
视频生成领域迎来重大突破!Genmo 公司重磅开源了其最新的视频生成模型 Mochi1，为视频生成领域树立了新的标杆。Mochi1采用创新的 Asymmetric Diffusion Transformer（AsymmDiT）架构，拥有高达100亿个参数，是迄今为止公开发布的最大视频生成模型。
更重要的是，它完全从头开始训练，具有简单、可修改的架构特点，为开源社区的开发者提供了极大的便利。
Mochi1的最大亮点在于其卓越的运动质量和对文本提示的精准遵循。它能够生成长达5.4秒、帧率高达30帧/秒的流畅视频，其时间连贯性和逼真的运动动态令人惊叹。
Mochi1还能模拟各种物理现象，例如流体动力学、毛发模拟等，其生成的人物动作自然流畅，几乎可以媲美真人表演。
为了方便开发者使用，Genmo 还开源了其视频 VAE，可以将视频压缩到原始大小的1/128，有效降低了模型的计算量和内存需求。
AsymmDiT 架构则通过多模态自注意力机制，高效处理用户提示和压缩视频标记，并为每种模态学习单独的 MLP 层，进一步提升了模型的效率和性能。
Mochi1的发布，标志着开源视频生成领域迈出了重要一步。Genmo 公司表示，他们将在年底之前发布 Mochi1的完整版本，包括支持720p 视频生成的 Mochi1HD，届时视频的保真度和流畅度将进一步提升。
为了让更多人体验 Mochi1的强大功能，Genmo 还推出了免费的托管游乐场，用户可以在 genmo.ai/play 上进行体验。 Mochi1的权重和架构也已在 HuggingFace 平台上公开，供开发者下载使用。
Genmo 公司由 DDPM、DreamFusion 和 Emu Video 等项目的核心成员组成，其顾问团队包括 Databricks 和 Anyscale 的执行主席兼联合创始人 Ion Stoica、Covariant 的联合创始人兼 OpenAI 的早期团队成员 Pieter Abbeel 以及语言模型系统的先驱兼 Turi 的联合创始人 Joey Gonzalez 等行业领袖。
Genmo 公司的使命是解锁通用人工智能的右脑，Mochi1是构建可以想象一切事物（无论可能还是不可能）的世界模拟器的第一步。
Genmo 公司最近完成了由 NEA 领投的 A 轮融资，总额高达2840万美元，这将为他们未来的研究和开发提供充足的资金支持。
虽然 Mochi1已经取得了令人瞩目的成就，但它仍然存在一些局限性。例如，初始版本目前只能生成480p 的视频，在某些极端运动的边缘情况下会出现轻微的扭曲和失真。此外，Mochi1目前主要针对照片写实风格进行了优化，在动画内容方面的表现还有待提升。
Genmo 公司表示，他们将继续改进 Mochi1，并鼓励社区对模型进行微调，以适应不同的审美偏好。同时，他们也在游乐场中实施了强大的安全审核协议，以确保所有视频生成都符合道德准则。
模型下载:https://huggingface.co/genmo/mochi-1-preview
在线体验:https://www.genmo.ai/play
官方介绍:https://www.genmo.ai/blog
Mochi1的开源为视频生成领域带来了新的可能性，其强大的功能和便捷的使用方式值得期待。Genmo公司的持续努力和社区的积极参与将进一步推动视频生成技术的进步。期待Mochi1HD的到来，也期待更多创新成果的出现。