Escribe una frase, espera unos minutos y obtendrás un clip corto en el que el ojo de un camaleón cambia de color o un perro corre entre hierba alta con un peso creíble. Esa es la promesa de Genmo Mochi 1, y es una de las pocas herramientas de video que en gran medida la cumple. Se publicó como modelo abierto, apuesta con fuerza por el realismo, y ahora puedes probarlo gratis en el navegador sin tocar una GPU.
Este artículo repasa qué es Mochi 1, qué maneja bien, cómo se desenvuelve con la imagen a video (spoiler: la respuesta no es la que la mayoría supone) y cómo ejecutarlo tú mismo con prompts que de verdad funcionan. También encontrarás ejemplos listos para copiar y una breve lista de alternativas para las tareas que Mochi 1 no hace.
💡 Respuesta rápida: Mochi 1 es un modelo de texto a video. No acepta una imagen inicial. Si necesitas imagen a video, usa una de las alternativas que aparecen más abajo, y usa Mochi 1 cuando quieras escenas nuevas solo a partir de palabras.
¿Qué es Genmo Mochi 1?
Genmo Mochi 1 es un modelo abierto de generación de video publicado por el laboratorio de IA Genmo a finales de 2024. La versión preliminar tiene alrededor de 10 000 millones de parámetros y se basa en una arquitectura llamada Asymmetric Diffusion Transformer (AsymmDiT). Se publicó con la licencia permisiva Apache 2.0, lo que significa que investigadores y desarrolladores pueden descargar los pesos y el código y construir sobre ellos.
Tres detalles explican por qué la gente le prestó atención en su momento:
- Pesos abiertos. La mayoría de los modelos de video potentes estaban tras APIs de pago. Mochi 1 fue uno de los más grandes de código abierto.
- Calidad de movimiento. El modelo se centra en cómo se mueven las cosas: peso, impulso, comportamiento de los fluidos, tejidos, pelaje y agua.
- Fidelidad al prompt. Se ajusta de cerca a lo que escribes, lo que hace que los prompts cortos y precisos funcionen bien.
La versión preliminar genera en 480p. Genmo anunció una variante de mayor resolución para una versión posterior, pero la que usa hoy la mayoría sigue siendo la preliminar de 480p. Genmo también publicó como código abierto un VAE de video que comprime los clips en un espacio latente mucho más pequeño, y eso es en parte la razón por la que el modelo resulta práctico de ejecutar.

Dónde encaja en 2027
Los modelos más nuevos ya producen clips en 1080p con audio nativo, y algunos duran diez segundos o más. Mochi 1 no intenta ganar esa carrera. Su valor es otro: es rápido de probar, fácil de escribir como prompt y bueno con movimientos realistas y fotográficos. Para B-roll, ideas de producto, tomas de naturaleza y atmósferas evocadoras, todavía cumple.
En lo que no es bueno
Sé realista con sus límites. El modelo se ajustó para estilos fotográficos, así que los estilos animados o de dibujos animados son flojos. Los prompts largos con varios sujetos también tienden a desmoronarse. El texto dentro del encuadre, como letreros o subtítulos, no es fiable. Saberlo te ahorra muchas generaciones desperdiciadas.
Texto a video con Mochi 1
El texto a video es la función principal, y el modelo premia un hábito concreto al escribir prompts: describe un sujeto principal y luego añade detalle de lo general a lo específico.
Un prompt que funciona suele seguir este orden:
- Tipo de plano. "Un primer plano", "un plano medio", "un plano general".
- Sujeto. Un único sujeto claro.
- Acción. Un movimiento que se desarrolla a lo largo de unos segundos.
- Escenario y luz. Hora del día, clima, superficie, color.
- Pista de resolución. Terminar con "high resolution 4k" ayuda a reducir las deformaciones.

Un prompt que muestra su fortaleza
El ejemplo por defecto de la página del modelo lo ilustra bien: "Close-up of a chameleon's eye, with its scaly skin changing color. Ultra high resolution 4k." Un sujeto, una acción, una textura. El modelo tiene margen de sobra para renderizar el detalle fino de las escamas y un cambio de color suave, que es justo el tipo de movimiento que maneja bien.
Sujetos que mejor funcionan
| Tipo de sujeto | Por qué funciona | Ejemplo |
|---|
| Animales | El movimiento natural y repetitivo es fácil de leer | Un perro corriendo entre hierba alta |
| Agua y olas | La física de los fluidos es una fortaleza | Olas rompiendo en una playa de arena |
| Detalles macro | Un solo sujeto, textura rica | Una abeja sobre una flor de lavanda |
| Paisajes | Movimiento lento de cámara, bajo riesgo | Niebla moviéndose por un valle |
| Comida y bebida | Acciones simples, detalle atractivo | Café vertido en una taza de cerámica |
| Multitudes y manos | Muchas partes en movimiento, mayor tasa de fallos | Úsalos con moderación |
Errores que desperdician créditos
- Meter demasiados sujetos. "Un hombre, un perro, un coche y un dron" se volverá una masa borrosa.
- Pedir una historia. Un clip de cinco segundos contiene una acción, no una trama.
- Omitir el tipo de plano. Sin él, el encuadre es aleatorio.
- Escribir en términos de dibujo animado. El modelo prefiere el lenguaje del mundo real.

Imagen a video: la respuesta sincera
Los resultados de búsqueda suelen prometer "Mochi 1 imagen a video". Aquí va la versión directa: la versión preliminar abierta de Mochi 1 es un modelo de texto a video. Tanto la versión oficial como el modelo en PicassoIA aceptan un prompt de texto como entrada, y ninguno admite un fotograma inicial. Si ves un sitio que afirma lo contrario, normalmente está presentando otro modelo distinto.
Eso no significa que estés bloqueado. Hay dos rutas prácticas.
Ruta uno: describe la imagen
Si ya conoces el encuadre que quieres, escríbelo como prompt. Una fotografía de un excursionista en una cresta se convierte en: "A wide shot of a lone hiker on a rocky ridge above a misty alpine valley at sunrise, jacket moving in the wind, high resolution 4k." No obtendrás exactamente los mismos píxeles, pero sí una composición parecida con movimiento.

Ruta dos: usa un modelo creado para ello
Cuando el primer fotograma debe coincidir exactamente con una foto, un recurso de marca o una imagen de producto, elige un modelo real de imagen a video. Estos están en PicassoIA y vale la pena probarlos:
💡 Consejo: Un flujo de trabajo sólido consiste en generar una imagen fija con un modelo de imágenes y luego animarla con un modelo de imagen a video. Usa Mochi 1 para escenas en las que prefieras partir de una idea escrita.

Acceso gratuito a Mochi 1
Hay dos formas de usar Mochi 1 gratis, y se adaptan a perfiles muy distintos.
Ejecutarlo tú mismo
Como los pesos son abiertos, puedes descargarlos y ejecutar Mochi 1 en local. Es una libertad real, pero tiene un costo: el modelo de 10B pesa mucho, necesita una GPU potente con mucha memoria y requiere tiempo de configuración. Tiene sentido para desarrolladores, investigadores y cualquiera que quiera hacer un ajuste fino del modelo.
Usarlo en el navegador
Para el resto, la opción más sencilla es una versión alojada. Mochi 1 en PicassoIA funciona en el navegador, sin instalar nada ni configurar una API. Escribes un prompt, pulsas generar y descargas el archivo de video.
| Opción | Tiempo de configuración | Hardware necesario | Ideal para |
|---|
| Instalación local | Horas | GPU de alta memoria | Desarrolladores e investigadores |
| Versión en el navegador | Segundos | Ninguno | Creadores, especialistas en marketing, probadores |
Cómo usar Mochi 1 en PicassoIA
Aquí tienes el proceso completo en la página de Mochi 1. Lleva alrededor de un minuto preparar todo, y lo demás es esperar el render.
Paso 1: abre el modelo
Ve a la página de Mochi 1 en la colección de texto a video. El campo del prompt ya está rellenado con el ejemplo del camaleón, así que puedes hacer una prueba de inmediato.
Paso 2: escribe un prompt claro
Sustituye el ejemplo por tu propia idea. Sigue el orden de antes: tipo de plano, un sujeto, una acción, escenario y luz, y después "high resolution 4k".
Paso 3: ajusta los parámetros
El modelo muestra seis entradas. Esto es lo que hace cada una:
| Parámetro | Valor por defecto | Qué hace | Consejo |
|---|
| Prompt | Ojo de camaleón | Tu descripción de la escena | Un solo sujeto |
| Num Frames | 163 | Duración del clip | Más fotogramas significa un render más largo y lento |
| Fps | 30 | Fotogramas por segundo | Mantén 30 para un movimiento fluido |
| Guidance Scale | 6 | Cuán estrictamente se sigue el prompt | Prueba entre 5 y 7; un valor más alto puede verse rígido |
| Num Inference Steps | 64 | Calidad del detalle | Más pasos reducen el ruido, pero tardan más |
| Seed | Aleatoria | Hace repetible un resultado | Guarda las semillas que te gusten |
Con los valores por defecto, 163 fotogramas a 30 fps dan un clip de unos cinco segundos y medio.
Paso 4: genera y revisa
Pulsa generar y espera el clip. Míralo dos veces: una para el movimiento principal y otra para los bordes y las manos, donde suelen aparecer las deformaciones. Si algo no encaja, cambia el prompt en pequeños pasos en lugar de reescribirlo entero.
Paso 5: reutiliza la semilla
Cuando un resultado se acerque, conserva la semilla y edita un detalle cada vez, como la iluminación o la distancia de cámara. Es la forma más rápida de convertir un buen clip en uno excelente.

💡 Consejo: Ejecuta el mismo prompt con tres semillas distintas antes de juzgarlo. El texto a video tiene mucha variación, y un resultado flojo no significa que la idea sea floja.
Ejemplos de prompts para copiar
Estos prompts siguen la estructura a la que responde el modelo. Pégalos tal cual y luego ajústalos.
Naturaleza y animales
- A medium shot of a golden retriever running through a sunlit meadow of tall grass, ears flying, warm late afternoon backlight, high resolution 4k.
- A close shot of a bee landing on a purple lavender flower, wings vibrating, shallow depth of field, soft morning light, high resolution 4k.

Agua y paisaje
- An aerial shot of turquoise ocean waves rolling onto a pale sand beach at sunrise, foam tracing the shoreline, high resolution 4k.
- A wide shot of mist drifting through a pine valley at dawn, slow movement, soft cool light, high resolution 4k.
Comida y estilo de vida
- A close shot of hot coffee being poured into a white ceramic cup on a marble table, steam rising, window light from the right, high resolution 4k.
- A medium shot of a vendor arranging oranges in a wooden crate at an evening street market, string lights glowing, high resolution 4k.

Macro y textura
- Close-up of a chameleon's eye, with its scaly skin changing color. Ultra high resolution 4k.
- Un primer plano de gotas de lluvia cayendo sobre una hoja verde, con el agua formando perlas y resbalando. Alta resolución 4k.
Usos reales para los clips de Mochi 1
Un clip de cinco segundos es pequeño, pero los clips pequeños tienen muchos usos.
- B-roll. Rellena los huecos de un ensayo en video o de un recorrido de producto con tomas de naturaleza o de ciudad.
- Prueba de conceptos. Comprueba el ambiente de una escena antes de comprometerte con un rodaje.
- Contenido para redes. Los momentos cortos y en bucle funcionan bien en los feeds verticales.
- Storyboards en movimiento. Muestra a un cliente cómo podría resultar una secuencia, en lugar de un boceto plano.
- Fondos. Los paisajes lentos y las texturas quedan bien detrás de los títulos.

Sacarle más partido a los 480p
La resolución de la versión preliminar es modesta. Dos hábitos ayudan. Primero, mantén los sujetos simples para que haya menos detalle fino que perder. Segundo, pasa el clip terminado por un upscaler. PicassoIA tiene herramientas de mejora de video en su página de todos los modelos que pueden aumentar la resolución y la nitidez de un clip después de generarlo.
Mochi 1 frente a otros modelos de video
Ningún modelo gana en todas las tareas. Así se compara Mochi 1 con algunas opciones populares en PicassoIA.
| Modelo | Entrada | Fortaleza | Elígelo cuando |
|---|
| Mochi 1 | Texto | Movimiento natural, precisión del prompt | Quieres escenas fotográficas y realistas a partir de palabras |
| Wan 2.5 T2V | Texto | Calidad y velocidad equilibradas | Necesitas una opción de uso general |
| Kling v2.5 Turbo Pro | Texto e imagen | Acabado cinematográfico | Quieres un aspecto premium |
| Hunyuan Video | Texto | Resultado realista y detallado | El realismo es lo más importante |
| LTX Video | Texto | Generación rápida | Iteras con rapidez |
| Veo 3.1 Fast | Texto | Audio nativo y 1080p | Necesitas sonido con tu clip |
| Seedance 2.5 Lite | Texto e imagen | Gratis, clips más largos | Quieres duración sin costo |
Una forma sencilla de elegir
Hazte tres preguntas. ¿Necesitas sonido? Elige un modelo con audio nativo. ¿Necesitas partir de una foto? Elige un modelo de imagen a video. ¿Solo quieres una escena creíble de cinco segundos a partir de una frase? Mochi 1 es un punto de partida sólido y sencillo.
Solución de problemas habituales
El movimiento se ve deformado
Simplifica. Reduce el prompt a un sujeto y una acción, y añade "high resolution 4k" al final. Aumentar los pasos de inferencia también puede limpiar el ruido.
El clip ignora parte del prompt
Mueve el detalle más importante al inicio de la frase. Si no funciona, sube el guidance scale un punto y vuelve a probar.
El resultado parece rígido
Baja un poco el guidance scale. Los valores muy altos mantienen al modelo cerca del prompt, pero pueden aplanar el movimiento natural.
El estilo no es el que esperabas
Si pediste ilustración o animación, cambia a un lenguaje realista o usa un modelo creado para video estilizado. Mochi 1 está ajustado para resultados fotográficos.
Prueba tu primer clip hoy
Mochi 1 es la herramienta adecuada para un experimento rápido: una frase de entrada, un clip creíble de salida, sin configuración y sin costo para probarlo. Abre la página de Mochi 1 en PicassoIA, pega uno de los prompts de arriba y mira lo que sale. Guarda la semilla de cualquier clip que te guste, cambia un detalle y vuelve a ejecutarlo.
Cuando necesites una imagen inicial, clips más largos o sonido, pasa a una de las alternativas de este artículo o explora todo en picassoia.com/en/all-models. Elige un sujeto que ya te guste, escríbelo en una frase clara y crea tu primer video ahora mismo.