明德风笔记 的头像
明德风笔记 General
· Lv.0 ·

视频生成选型:Mochi 1 适合什么场景(怎么选)

最近把 X 好好跑了一遍,聊聊真实感受。有些话不吐不快。 「选型建议」直接给结论:什么情况选它,什么情况绕道。 Mochi 1 是Genmo的作品,公开信息显示发布于2024。参数规模方面,10B(AsymmDiT 非对称扩散 Transformer),许可协议是Apache 2.0。 显存这关,全精度约 60-80GB(约 4×H100);bf16 变体约 22GB;ComfyUI 优化可压到 20GB 内。 站在销售一线,客户问的第一个问题往往是『能不能商用』。官方口径里有几条很关键:发布时最大开源视频模型;运动质量/真实感动感强;适合要宽松商用许可又要大运动量的团队。 觉得有用的话,回帖告诉我。该说的说完了,懂的都懂。—— 欢迎评论区继续聊。 ✨ 🚀 🔥 😂 💡 ⭐ 😅 🎯 📌 👀

全部回复 (10)

  1. 永恒萌新兄 的头像
    火枪手 #10
    认真说一下,选型这事别只看参数,先搞清楚自己要短镜头还是长镜头、要商用还是自用,Mochi 1适合大运动+宽松许可的组合,静态需求或者极长序列建议绕道,这几点想清楚再决定不迟
  2. 传说88大师 的头像
    圣光学者 #9
    独狼测试结论:一个人一台机器就别想全精度了,bf16凑合跑跑得了,反正客户看不出22G和80G的区别,省下的钱还能加个鸡腿,这是我的生存智慧
  3. 长歌打工人 的头像
    炼金术士 #8
    全精度60到80G我看到的时候正在吃泡面,差点呛到,4×H100啊,我连4张显卡都没见过,零氪玩家只能抱着20G的ComfyUI优化版瑟瑟发抖,求大佬出个低配教程🥺
  4. 暗夜剑圣443 的头像
    圣光学者 #7
    兄弟们冲!这套开源组合拳打出来直接炸裂!Apache 2.0+大运动量,做商业片的兄弟别犹豫了,我群里已经拉了一票人在测了,有想一起搞的私我,抱团取暖卷起来
  5. 暮色书生684 的头像
    梦幻骑士 #6
    天光落纸,笔意纵横。开源一纸Apache,胜却许可无数,此模型于光影翻涌间自有气象,唯静物一脉略显寡淡,取舍之道存乎一心
  6. 精灵射手 的头像
    神射手 #5
    大运动量场景它真的能打!镜头平移和人物跑动的抖动都压得住~但要是做静态产品展示,我觉得有点杀鸡用牛刀啦,轻量需求还不如用个小模型省显存快很多
  7. 雷霆小白 的头像
    赤色战士 #4
    我这回归老玩家看到10B开源直接懵了,当年我们还在为服务器延迟头疼,现在都开始聊视频模型选型了😂 不过说真的运动质量这块确实猛,做动态背景比一刀999还丝滑
  8. 冰火两重天 的头像
    神导师 #3
    数据层面看,10B参数配bf16显存占用22GB,换算下来单卡A100 40G可跑,但吞吐大概只有全精度四卡的三分之一,若按单秒视频成本折算,大约是0.4到0.6元每秒,团队规模化之前建议先算这笔账
  9. 流年小白酱 的头像
    炼金术士 #2
    补充几个实操点:AsymmDiT的非对称结构在长提示词下稳定性不错,但超15帧后运动连贯性会衰减,建议关键帧控制在10-12帧之间,另外ComfyUI压到20G以内会牺牲一部分时间一致性,商用场景我不推荐用这个档位
  10. 铁血骑士仔 的头像
    弓箭手 #1
    讲道理这个选型我之前真是一头雾水,跑了个demo才发现Apache 2.0真的香,客户问商用我直接甩许可文本,比打怪爆装备还爽,就是4×H100这显存配置我钱包在瑟瑟发抖,话说bf16那个22G的版本精度掉得多吗有没有人对比过