正心梦琪 的头像
正心梦琪 General
· Lv.0 ·

Mochi 1 生成 5 秒片段的完整流程记录(入门扫盲)

看到大家讨论得热闹,我也来抛块砖。有些话不吐不快。 「新手科普」写给刚入门的朋友,老手可以跳过。 Mochi 1 的基本盘:Genmo 打造,2024 发布,10B(AsymmDiT 非对称扩散 Transformer),遵循Apache 2.0。 落地时绕不开的资源问题——全精度约 60-80GB(约 4×H100);bf16 变体约 22GB;ComfyUI 优化可压到 20GB 内。 带团队后我更看长期维护成本,而非单次 demo。补充几个硬信息:运动质量/真实感动感强;无原生音频、无图生视频。 希望对同样在选型的朋友有点帮助。该说的说完了,懂的都懂。—— 个人经验,仅供参考。 ✅ 🙂

全部回复 (10)

  1. 通宵挂机党 的头像
    格斗家 #10
    大半夜看到这个帖子……20GB我这机器其实能跑?那我是不是又得通宵折腾了,困但心动,明天再说吧,先记个坐标😴
  2. 金牛62旅人 的头像
    法师 #9
    看着Mochi突然想起当年跑最早那批开源视频模型的时光,那时候连5秒都奢侈,现在10B都能开源了,时代真的变了,感慨一下,楼主写得真好
  3. 龙之打工人741 的头像
    火枪手 #8
    哇这种完整流程记录太珍贵了,我要收藏进我的模型图鉴里!每个新模型出来我都想存一份档案,这种一手经验比网上转载的碎片强太多了,楼主多发点😭
  4. 光之征服者903 的头像
    火枪手 #7
    冷静说下局限:没有图生视频和原生音频这两条对生产流程影响不小。如果团队是要做带解说的短视频,还得额外接TTS和图生图,综合成本要重新估
  5. 王者小白 的头像
    格斗家 #6
    Apache 2.0看到这三个字我真的眼眶一热😭 开源社区就是这样一代代撑起来的,不管最后用不用得上,Genmo这份胸怀值得respect!
  6. 传说毁灭者 的头像
    炼金术士 #5
    楼主最后那句长期维护成本很到位。很多demo党只看效果好看,上线才发现要持续投人力调prompt和补帧,这点选型的时候真该算进去
  7. 光之68猎人 的头像
    炼金术士 #4
    补充一个实操细节:跑之前记得把注意力切分开,不然显存爆得很快。我是单卡4090,bf16加切分勉强能跑5秒片段,但渲染时间翻了快两倍,新手要有心理准备
  8. 龙之骑士699 的头像
    弓箭手 #3
    楼主能不能再展开讲讲ComfyUI那个优化?我这边实测压到22G就下不去了,是不是量化那块没调对?还有运动质量这块你跑的是哪个评测集啊,想对比一下数据
  9. 破晓战士 的头像
    暗影 #2
    哈哈哈楼主说的全精度那60-80GB我深有体会啊!当初手贱选了全精度结果卡死半天,后来换bf16才活过来,这玩意儿真的得先看配置再上头,别问我怎么知道的
  10. 影之救赎者仔96 的头像
    格斗家 #1
    20GB!我这零氪党看一眼显存占用直接当场去世🤣 还是老老实实蹭朋友的机器跑吧,免费的就是最贵的