mochi-1-preview

Mochi-1 — это модель для генерации видео, разработанная Genmo. Она представляет собой open-source решение с высокой детализацией движения и устойчивостью к подсказкам (prompt adherence), закрывающее разрыв между закрытыми и открытыми системами генерации видео.

Основные компоненты:

• Asymmetric Diffusion Transformer (AsymmDiT): 10B диффузионная модель, обученная с нуля.
• AsymmVAE: Модель кодирования-декодирования с асимметричной структурой
• T5-XXL: Использует T5-XXL для кодирования промптов, избегая зависимости от нескольких предварительно обученных моделей.

Особенности:

• Для работы на одном GPU требуется ~60 ГБ VRAM. Рекомендуется GPU H100. Кроме того доступен многокарточный режим, оптимизации (CPU offload, VAE tiling) для снижения потребления памяти.
• Разрешение видео: 480p.
• Доступна генерация фотореалистичного видео, но возможны искажения при экстремальных движениях. Доступна генерация Низкого качества видео анимационного стиля.
• Рекомендуется дополнительный контроль NSFW-контента при коммерческом использовании.

---

Модель является составной частью пайплайна генерации видео, состоящего из:

• Text encoder: ~4.8B параметров,
• Transformer: ~10B параметров,
• VAE: ~460M параметров.

Всего: ~10.5B параметров

---

Строка "Потребление памяти" рассчитана на основе приведенного авторами значения (60 Гб, fp32) с множителем, соответствующим предполагаемой точности использования (для 16 bit = 0.5, 8 bit = 0.25, 4 bit = 0.125).

Дата анонса: 22.10.2024
Параметров: 0.01B
Потребление памяти: 7.5 ГБ в точности 4 бит, 15.0 ГБ в точности 8 бит, 30.0 ГБ в точности 16 бит
Разработчик: genmo
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с mochi-1-preview. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.