Genmo Mochi 1

모델 가중치와 소스 코드는 Apache 2.0 라이선스로 공개돼 있다. 구독료도 사용료도 당신과 도구 사이에 끼어들지 않는다. 오프라인으로 돌리고 코드를 읽고 그 위에 상업용 작업을 올릴 수 있다. 이 개방성이 Mochi 1이 폐쇄형 영상 생성 도구와 갈리는 가장 큰 이유다.

Mochi 1은 AsymmDiT 위에서 돈다. Genmo가 영상용으로 설계한 확산 트랜스포머다. 멀티모달 어텐션으로 텍스트와 영상 토큰을 함께 다루지만, 시각 쪽에 텍스트 쪽보다 훨씬 큰 용량을 준다. 세부는 시각 쪽에 있기 때문이다. 이 비대칭 설계가 메모리 사용량을 눌러, 평평한 구조라면 버티지 못할 하드웨어에 모델을 앉힌다.

Mochi 1은 정적인 아름다움보다 움직임에 맞춰 조정됐다. 사람이 걷고, 머리카락과 옷이 흔들리고, 유체와 털이 변하는 모습을 초기 오픈 모델이 좀처럼 못 미치던 일관성으로 그려낸다. Genmo에 따르면 움직임 품질은 주요 폐쇄형 경쟁 모델과 비교해 평가했고, 사람 움직임에서 언캐니 밸리를 넘어서는 걸 목표로 만들었다.

모델은 세밀한 프롬프트를 잘 따른다. 인물과 배경, 동작을 정교하게 제어할 수 있다. 카메라 앵글과 구체적 동작을 적으면 출력이 대개 둘 다 지킨다. 클립이 그저 예쁜 게 아니라 대본이나 콘티에 맞아야 할 때 이 정확도가 힘을 발휘한다.

Genmo는 모델 밑에 깔린 영상 VAE도 오픈소스로 풀었다. 영상을 128배로 압축해 공간과 시간의 세부를 작은 잠재 공간에 접어 넣는다. 메모리와 연산 요구가 줄어 데이터센터 밖에서도 돌릴 만해진다. 클러스터가 없는 사람에게는 실질적인 차이다.

Genmo는 미리보기 버전을 최고 속도로 돌리려면 고성능 GPU가 여러 장 필요하다고 밝힌다. 그래도 커뮤니티 통합판을 쓰면 영상 메모리가 충분한 소비자용 카드 한 장에서 돈다. ComfyUI를 축으로 한 도구가 흐름을 단순화하고 어텐션 백엔드도 더해, 일반 사용자가 클라우드 장비를 빌리지 않고 클립을 만든다.