genmoai/mochi

这是什么？

核心功能

• 01基于 100 亿参数扩散模型，从文本提示生成 480p 视频。
• 02提供 Gradio 网页界面和命令行工具，支持本地生成。
• 03提供 Python API，可在代码中调用推理流程。
• 04支持 CPU offload 与 LoRA 微调，微调可在单张大显存显卡上完成。
• 05开源 AsymmVAE，用于视频潜空间的压缩与解码。

适用场景

• 研究开源文本生成视频模型与扩散架构。
• 在本地 GPU 上根据提示词生成写实风格的短视频。
• 训练 LoRA 微调模型，适配特定视觉风格或主题。
• 通过 Python API 将视频生成能力集成到自定义应用中。

快速上手

1. 1

   克隆仓库

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

   进入项目目录

   cd mochi
3. 3

   安装 uv 并创建 Python 3.11 虚拟环境

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

   激活环境并同步依赖

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

使用前须知

• !单GPU运行约需60GB显存，推荐至少使用1块H100。
• !首个版本仅支持生成480p视频。
• !针对写实风格优化，对动画内容效果不佳。
• !需要单独下载模型权重，并安装FFMPEG。

收录于专题

标签

常见问题

mochi 是什么？

Mochi 1 是 Genmo 开源的 100 亿参数文本生成视频扩散模型，采用 Apache 2.0 许可。 Mochi 1 是 Genmo 发布的文本生成视频模型，目前为研究预览版。模型基于 100 亿参数的扩散 Transformer（AsymmDiT），使用单一 T5-XXL 语言模型编码提示词，并配套开源的 AsymmVAE 进行视频压缩。它主要面向写实风格的运动表现与提示词遵循，首个版本生成 480p 视频。

mochi 可以免费使用吗？用的什么许可证？

mochi 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

mochi 还在维护吗？

活跃维护中。mochi 最近一次提交是在 2026年10月22日。

mochi 适合用来做什么？

研究开源文本生成视频模型与扩散架构。 在本地 GPU 上根据提示词生成写实风格的短视频。 训练 LoRA 微调模型，适配特定视觉风格或主题。 通过 Python API 将视频生成能力集成到自定义应用中。

mochi 怎么安装和运行？

克隆仓库: git clone https://github.com/genmoai/mochi 进入项目目录: cd mochi 安装 uv 并创建 Python 3.11 虚拟环境: pip install uv && uv venv --python 3.11 .venv 激活环境并同步依赖: source .venv/bin/activate && uv sync --locked

在哪里获取 mochi？

源代码和安装说明在 GitHub 上：https://github.com/genmoai/mochi