Mochi 1：Genmo 开源的 100 亿参数文生视频模型｜部署与使用全指南
项目仓库： https://github.com/genmoai/mochi
许可证：Apache-2.0 · 维护方：Genmo · 语言：Python 3.11 · 框架：PyTorch · 形态：Gradio Web + CLI + Python API · 模型：10B AsymmDiT + AsymmVAE · 在线 Playground：genmo.ai/play
1 项目简介
Mochi 1 是 Genmo 发布的开源文生视频模型：100 亿参数扩散模型，基于自研的非对称扩散 Transformer（AsymmDiT）架构，配合 AsymmVAE 视频压缩。官方称其在运动保真度与提示词遵循度上接近闭源系统，且以 Apache-2.0 许可证开放权重。
1.1 核心信息一览
| 项目项 | 内容 |
|---|---|
| 项目名称 | Mochi 1 |
| 仓库地址 | github.com/genmoai/mochi |
| 模型权重 | huggingface.co/genmo/mochi-1-preview |
| 直接下载 | weights.zip |
| 在线 Playground | genmo.ai/play |
| 许可证 | Apache-2.0 |
| 参数量 | 10B（DiT）+ 362M（VAE） |
| 形态 | Gradio + CLI + Python API |
1.2 适用场景
- 研究/复现开源 SOTA 文生视频。
- 在单 H100/A100 80GB 上跑 480p 视频生成。
- 用 LoRA 在自己的视频数据上微调。
1.3 能力边界（官方口径）
- 首发版本输出 480p；极端运动下可能出现轻微扭曲。
- 模型优化写实风格，对动画/卡通效果一般。
- 单 GPU 推理约需 60 GB 显存；ComfyUI 封装可在 20 GB 以下显存运行。
2 功能特性
- 10B AsymmDiT：非对称架构，视觉流参数约为文本流 4 倍，降低推理显存。
- AsymmVAE：8×8 空间 + 6× 时间压缩到 12 通道 latent。
- T5-XXL：单 T5 文本编码器。
- LoRA 微调：单 H100/A100 80GB 即可微调。
- ComfyUI 原生支持（2024-11-05 起）。
- CPU offload：
--cpu_offload降低显存峰值。
3 官方界面预览
在线 Playground：genmo.ai/play。
4 官方跳转链接汇总
| 类别 | 链接 | 说明 |
|---|---|---|
| 仓库 | github.com/genmoai/mochi | 源码 |
| 权重 | huggingface.co/genmo/mochi-1-preview | 模型下载 |
| 博客 | genmo.ai/blog | 技术说明 |
| ComfyUI 封装 | kijai/ComfyUI-MochiWrapper | 社区封装 |
5 前置要求与服务器配置
5.1 软件前提
- Python 3.11+。
- uv 包管理器。
- FFmpeg（把输出转成视频）。
- 可选：flash-attn（
--extra flash）。
5.2 硬件建议
| 方式 | 显存 |
|---|---|
| 本仓库单 GPU | 约 60 GB（推荐 1×H100） |
| ComfyUI 封装 | 可压到 20 GB 以下 |
| LoRA 微调 | 1×H100 / A100 80GB |
6 方式一：uv 安装与推理
git clone https://github.com/genmoai/mochi
cd mochi
pip install uv
uv venv --python 3.11 .venv
source .venv/bin/activate
uv sync --locked
# 可选 flash-attn
uv sync --locked --extra flash --no-build-isolation下载权重：
python3 ./scripts/download_weights.py weights/启动 Gradio：
python3 ./demos/gradio_ui.py --model_dir weights/ --cpu_offloadCLI 直接生成：
python3 ./demos/cli.py --model_dir weights/ --cpu_offload加载 LoRA：
python3 ./demos/gradio_ui.py --model_dir weights/ --cpu_offload \
--lora_path path/to/my_mochi_lora.safetensors7 方式二：Python API 调用
from genmo.mochi_preview.pipelines import (
DecoderModelFactory, DitModelFactory, MochiSingleGPUPipeline,
T5ModelFactory, linear_quadratic_schedule,
)
pipeline = MochiSingleGPUPipeline(
text_encoder_factory=T5ModelFactory(),
dit_factory=DitModelFactory(
model_path="weights/dit.safetensors", model_dtype="bf16"
),
decoder_factory=DecoderModelFactory(model_path="weights/decoder.safetensors"),
cpu_offload=True,
decode_type="tiled_spatial",
)
video = pipeline(
height=480, width=848, num_frames=31, num_inference_steps=64,
sigma_schedule=linear_quadratic_schedule(64, 0.025),
cfg_schedule=[6.0] * 64, batch_cfg=False,
prompt="your favorite prompt here ...",
negative_prompt="", seed=12345,
)8 关键参数
| 参数 | 默认 | 说明 |
|---|---|---|
--model_dir |
无 | 权重目录 |
--cpu_offload |
关闭 | 显存不足时开启 |
--lora_path |
无 | LoRA 权重路径 |
height / width |
480×848 | 视频分辨率 |
num_frames |
31 | 帧数 |
num_inference_steps |
64 | 采样步数 |
9 常用运维命令
nvidia-smi
ls -lh weights/
ls -lh outputs/10 常见故障排查
- 显存不足：加
--cpu_offload；或用 ComfyUI 封装（<20GB）。 - 依赖冲突：必须用
uv sync --locked，不要直接pip install -r requirements.txt（不会应用 Pillow 覆盖）。 - 想跑动画：官方说明对动画效果一般，建议 LoRA 微调。
11 风险与合规说明
- Apache-2.0 许可，商用友好；但模型可能反映训练数据偏见，商业部署需自行加安全过滤。
- 输出视频版权由使用者承担；不得用于 NSFW 或伪造内容。
- 官方明确：商业服务上线前应自行补充安全协议。
本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。