genmoai/mochi

これは何？

主な機能

• 0110Bパラメータの拡散モデルを使い、テキストプロンプトから480p動画を生成します。
• 02ローカルで生成するためのGradio Web UIとCLIを提供します。
• 03コードからパイプラインを呼び出すためのPython APIを提供します。
• 04CPUオフロードと、単一の大容量メモリGPUでのLoRAファインチューニングに対応しています。
• 05動画の潜在表現を圧縮・デコードするオープンなAsymmVAEを提供します。

ユースケース

• オープンなテキスト動画生成や拡散アーキテクチャの研究。
• ローカルGPU上で、プロンプトからフォトリアルな短いクリップを生成。
• LoRAをファインチューニングし、特定のビジュアルスタイルや被写体にモデルを適応。
• Python APIを使って、独自アプリケーションに動画生成機能を組み込む。

クイックスタート

1. 1

   リポジトリをクローンする

   git clone https://github.com/genmoai/mochi
2. 2

   プロジェクトディレクトリに移動する

   cd mochi
3. 3

   uvをインストールし、Python 3.11の仮想環境を作成する

   pip install uv && uv venv --python 3.11 .venv
4. 4

   環境を有効化し、依存関係を同期する

   source .venv/bin/activate && uv sync --locked

使う前に知っておきたいこと

• !単一GPUで約60GBのVRAMが必要です。少なくとも1基のH100を推奨します。
• !初期リリースでは480pの動画のみ生成できます。
• !フォトリアルなスタイル向けに最適化されており、アニメーションコンテンツでは性能が低下します。
• !モデルの重みは別途ダウンロードし、FFMPEGをインストールする必要があります。

収録されている特集

トピック

よくある質問

mochi とは？

Mochi 1は、GenmoがApache 2.0ライセンスで公開した、オープンウェイトの10Bテキスト動画生成拡散モデルです。 Mochi 1は、Genmoがresearch previewとして公開したテキスト動画生成モデルです。AsymmDiTと呼ばれる10億ではなく100億パラメータの拡散Transformerを採用し、単一のT5-XXL言語モデルでプロンプトをエンコードして、動画圧縮用のオープンなAsymmVAEと組み合わせています。フォトリアルな動きとプロンプトへの忠実さを重視しており、初回リリースでは480pの動画を生成します。

mochi は無料で使えますか？ライセンスは？

mochi は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

mochi は今もメンテナンスされていますか？

活発にメンテナンス中。mochi の最終コミットは 2026年10月22日 です。

mochi は何に使えますか？

オープンなテキスト動画生成や拡散アーキテクチャの研究。 ローカルGPU上で、プロンプトからフォトリアルな短いクリップを生成。 LoRAをファインチューニングし、特定のビジュアルスタイルや被写体にモデルを適応。 Python APIを使って、独自アプリケーションに動画生成機能を組み込む。

mochi のインストール方法は？

リポジトリをクローンする: git clone https://github.com/genmoai/mochi プロジェクトディレクトリに移動する: cd mochi uvをインストールし、Python 3.11の仮想環境を作成する: pip install uv && uv venv --python 3.11 .venv 環境を有効化し、依存関係を同期する: source .venv/bin/activate && uv sync --locked

mochi はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/genmoai/mochi