Genmo Mochi 1: texto para vídeo, imagem para vídeo, acesso gratuito e exemplos

O Genmo Mochi 1 é um modelo aberto de texto para vídeo com 10B de parâmetros, conhecido por movimentos suaves e realistas. Veja o que ele faz bem, onde a imagem para vídeo se encaixa, como testar de graça online, além de exemplos de prompt e configurações que funcionam.

Genmo Mochi 1: texto para vídeo, imagem para vídeo, acesso gratuito e exemplos
Cristian Da Conceicao

Digite uma frase, espere alguns minutos e receba um clipe curto em que o olho de um camaleão muda de cor ou um cachorro corre por um campo de grama alta com peso crível. Essa é a promessa do Genmo Mochi 1, e ele é um dos poucos modelos de vídeo que, na maioria das vezes, cumpre o que promete. Ele veio de um lançamento aberto, aposta forte em realismo, e agora você pode testá-lo de graça no navegador, sem precisar de uma GPU.

Este artigo explica o que é o Mochi 1, o que ele faz bem, como lida com imagem para vídeo (spoiler: a resposta não é a que a maioria das pessoas imagina) e como rodá-lo você mesmo com prompts que de fato funcionam. Você também vai encontrar exemplos prontos para copiar e uma lista curta de alternativas para as tarefas que o Mochi 1 não faz.

💡 Resposta rápida: o Mochi 1 é um modelo de texto para vídeo. Ele não aceita uma imagem inicial. Se você precisa de imagem para vídeo, use uma das alternativas listadas mais adiante, e use o Mochi 1 quando quiser cenas novas a partir apenas de palavras.

O que é o Genmo Mochi 1?

O Genmo Mochi 1 é um modelo aberto de geração de vídeo lançado pelo laboratório de IA Genmo no fim de 2024. A versão de pré-visualização tem cerca de 10 bilhões de parâmetros e é construída sobre uma arquitetura chamada Asymmetric Diffusion Transformer (AsymmDiT). Ele foi publicado sob a licença permissiva Apache 2.0, o que significa que pesquisadores e desenvolvedores podem baixar os pesos e o código e construir sobre eles.

Três detalhes explicam por que as pessoas prestaram atenção na época:

  • Pesos abertos. A maioria dos modelos de vídeo fortes ficava trancada atrás de APIs pagas. O Mochi 1 foi um dos maiores modelos abertos.
  • Qualidade de movimento. O modelo se concentra em como as coisas se movem: peso, momento, comportamento fluido, tecido, pelo e água.
  • Aderência ao prompt. Ele segue de perto o que você escreve, o que torna prompts curtos e precisos eficazes.

A prévia gera em 480p. A Genmo anunciou uma variante de resolução maior para uma versão futura, mas a versão que a maioria das pessoas usa hoje ainda é a prévia em 480p. A Genmo também disponibilizou como código aberto um VAE de vídeo que comprime os clipes em um espaço latente muito menor, o que ajuda a explicar por que rodar o modelo é viável.

Um desenvolvedor digitando um prompt longo em um notebook ao lado de um segundo monitor com um clipe de paisagem pausado

Onde ele se encaixa em 2027

Modelos mais novos já produzem clipes em 1080p com áudio nativo, e alguns chegam a dez segundos ou mais. O Mochi 1 não está tentando vencer essa corrida. O valor dele é outro: é rápido para testar, fácil de escrever prompts e bom em movimentos fotográficos e realistas. Para imagens de cobertura (B-roll), ideias de produto, cenas da natureza e atmosfera sombria, ele ainda se sustenta.

No que ele não é bom

Seja realista quanto aos limites. O modelo foi ajustado para estilos fotográficos, então visuais animados ou de desenho animado são fracos. Prompts longos, com vários sujeitos, também tendem a desmoronar. Texto dentro do quadro, como placas ou legendas, não é confiável. Saber disso poupa muitas gerações desperdiçadas.

Texto para vídeo com o Mochi 1

Texto para vídeo é o recurso central, e o modelo recompensa um hábito específico de escrita de prompt: descreva um sujeito principal e depois acrescente detalhes do geral para o específico.

Um prompt que funciona costuma seguir esta ordem:

  1. Tipo de plano. "Um primeiro plano", "um plano médio", "um plano geral".
  2. Sujeito. Apenas um sujeito claro.
  3. Ação. Um movimento que se desenrola em poucos segundos.
  4. Cenário e luz. Hora do dia, clima, superfície, cor.
  5. Pista de resolução. Terminar com "high resolution 4k" ajuda a reduzir distorções.

Close extremo do olho de um camaleão com escamas verdes e ocre texturizadas sobre um galho coberto de musgo

Um prompt que mostra o ponto forte

O exemplo padrão na página do modelo é uma boa ilustração: "Close-up of a chameleon's eye, with its scaly skin changing color. Ultra high resolution 4k." Um sujeito, uma ação, uma textura. O modelo tem bastante espaço para renderizar detalhes finos de escamas e uma mudança suave de cor, exatamente o tipo de movimento com que ele lida bem.

Sujeitos que funcionam melhor

Tipo de sujeitoPor que funcionaExemplo
AnimaisMovimento natural e repetitivo é fácil de lerUm cachorro correndo por uma grama alta
Água e ondasA física dos fluidos é um ponto forteOndas quebrando em uma praia de areia
Detalhes macroUm sujeito, textura ricaUma abelha em uma flor de lavanda
PaisagensMovimento lento de câmera, baixo riscoNévoa se movendo por um vale
Comida e bebidaAções simples, detalhe atraenteCafé sendo servido em uma xícara de cerâmica
Multidões e mãosMuitas partes em movimento, maior taxa de falhaUse com moderação

Erros que desperdiçam créditos

  • Juntar sujeitos. "Um homem, um cachorro, um carro e um drone" vão virar um borrão.
  • Pedir uma história. Um clipe de cinco segundos comporta uma ação, não um enredo.
  • Pular o tipo de plano. Sem ele, o enquadramento fica aleatório.
  • Escrever em termos de desenho animado. O modelo prefere linguagem do mundo real.

Vista aérea de ondas de oceano turquesa chegando a uma praia de areia clara ao nascer do sol, com uma pessoa e um cachorro na beira-mar

Imagem para vídeo: a resposta honesta

Os resultados de busca adoram prometer "Mochi 1 imagem para vídeo". Aqui vai a versão direta: a prévia aberta do Mochi 1 é um modelo de texto para vídeo. A versão oficial e o modelo no PicassoIA aceitam um prompt de texto como entrada, e nenhum aceita um quadro inicial. Se você vir um site afirmando o contrário, ele provavelmente está usando outro modelo por trás.

Isso não significa que você esteja sem saída. Há duas rotas práticas.

Rota um: descreva a imagem

Se você já sabe o quadro que quer, escreva-o como prompt. Uma fotografia de um caminhante em uma crista vira: "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." Você não vai obter exatamente os mesmos pixels, mas vai obter uma composição parecida com movimento.

Um caminhante solitário em pé sobre uma crista rochosa acima de um vale alpino com neblina ao nascer do sol

Rota dois: use um modelo feito para isso

Quando o primeiro quadro precisa corresponder exatamente a uma foto, a um ativo de marca ou a uma imagem de produto, escolha um modelo real de imagem para vídeo. Estes estão no PicassoIA e valem a pena:

💡 Dica: um fluxo de trabalho forte é gerar uma imagem fixa com um modelo de imagem e depois animá-la com um modelo de imagem para vídeo. Use o Mochi 1 para cenas em que você prefira partir de uma ideia escrita.

Uma composição plana com um caderno de esboços de quadros desenhados à mão, uma foto impressa de um lago de montanha, um lápis e um pequeno tripé

Acesso gratuito ao Mochi 1

Há duas formas de usar o Mochi 1 de graça, e elas servem a perfis bem diferentes.

Rode por conta própria

Como os pesos são abertos, você pode baixá-los e rodar o Mochi 1 localmente. É uma liberdade real, mas com um custo: o modelo de 10B é pesado, precisa de uma GPU potente com muita memória e exige tempo de configuração. Faz sentido para desenvolvedores, pesquisadores e quem queira fazer fine-tuning no modelo.

Use no navegador

Para todos os outros, o caminho mais fácil é a versão hospedada. O Mochi 1 no PicassoIA roda no navegador, sem instalação e sem configuração de API. Você escreve um prompt, clica em gerar e baixa o arquivo de vídeo.

OpçãoTempo de configuraçãoHardware necessárioIdeal para
Instalação localHorasGPU com muita memóriaDesenvolvedores e pesquisadores
Versão no navegadorSegundosNenhumCriadores, profissionais de marketing, testadores

Como usar o Mochi 1 no PicassoIA

Aqui está o processo completo na página do Mochi 1. A configuração leva cerca de um minuto, e o resto é esperar a renderização.

Passo 1: abra o modelo

Vá até a página do Mochi 1 na coleção de texto para vídeo. O campo de prompt já vem preenchido com o exemplo do camaleão, para que você possa fazer um teste imediatamente.

Passo 2: escreva um prompt claro

Substitua o padrão pela sua própria ideia. Siga a ordem de antes: tipo de plano, um sujeito, uma ação, cenário e luz, depois "high resolution 4k".

Passo 3: defina os parâmetros

O modelo expõe seis entradas. Veja o que cada uma faz:

ParâmetroPadrãoO que fazDica
PromptOlho de camaleãoSua descrição da cenaApenas um sujeito
Num Frames163Duração do clipeMais quadros significam renderização mais longa e lenta
Fps30Quadros por segundoMantenha 30 para movimento suave
Guidance Scale6Quão estritamente o prompt é seguidoTeste de 5 a 7; valores mais altos podem parecer rígidos
Num Inference Steps64Qualidade de detalheMais passos reduzem o ruído, mas demoram mais
SeedAleatórioTorna um resultado repetívelSalve as seeds de que você gostar

Com os padrões, 163 quadros a 30 fps dão um clipe de cerca de cinco segundos e meio.

Passo 4: gere e revise

Clique em gerar e espere o clipe. Assista duas vezes: uma para o movimento principal, outra para bordas e mãos, onde costumam aparecer distorções. Se algo estiver errado, altere o prompt em pequenos passos em vez de reescrevê-lo.

Passo 5: reaproveite a seed

Quando um resultado estiver próximo, mantenha a seed e edite um detalhe por vez, como a iluminação ou a distância da câmera. Essa é a forma mais rápida de transformar um bom clipe em um ótimo.

Mãos de um criador segurando um smartphone que mostra um clipe vertical de café sendo servido em um café iluminado

💡 Dica: rode o mesmo prompt com três seeds diferentes antes de julgar o prompt. Texto para vídeo tem muita variação, e um resultado fraco não significa que a ideia é fraca.

Exemplos de prompt para copiar

Estes prompts seguem a estrutura à qual o modelo responde. Cole-os como estão e depois ajuste.

Natureza e animais

  • 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.

Um golden retriever no meio da passada, correndo por um campo ensolarado de grama alta e flores silvestres

Água e paisagem

  • 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 e 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.

Um movimentado mercado de rua ao anoitecer, com um vendedor arranjando laranjas e limões sob lâmpadas de fio

Macro e textura

  • Close-up do olho de um camaleão, com a pele escamosa mudando de cor. Resolução ultra alta 4k.
  • A close shot of rain drops hitting a green leaf, water beading and rolling off, high resolution 4k.

Usos reais para os clipes do Mochi 1

Um clipe de cinco segundos é pequeno, mas clipes pequenos têm muitas funções.

  • Cobertura (B-roll). Preencha as lacunas de um ensaio em vídeo ou de uma apresentação de produto com cenas da natureza ou da cidade.
  • Teste de conceito. Verifique o clima de uma cena antes de se comprometer com uma filmagem.
  • Conteúdo para redes sociais. Momentos curtos e em loop têm bom desempenho em feeds verticais.
  • Storyboards em movimento. Mostre a um cliente como uma sequência poderia parecer, em vez de um esboço plano.
  • Fundos. Paisagens lentas e texturas funcionam bem atrás de títulos.

Uma câmera de filme vintage e uma câmera mirrorless moderna ao lado de negativos revelados e um storyboard a lápis

Como tirar mais proveito dos 480p

A resolução da prévia é modesta. Dois hábitos ajudam. Primeiro, mantenha os sujeitos simples para haver menos detalhe fino a perder. Segundo, passe o clipe final por um upscaler. O PicassoIA tem ferramentas de melhoria de vídeo na sua página com todos os modelos que podem aumentar a resolução e a nitidez de um clipe depois de gerado.

Mochi 1 ou outros modelos de vídeo

Nenhum modelo vence em todas as tarefas. Veja como o Mochi 1 se compara a algumas opções populares no PicassoIA.

ModeloEntradaPonto forteEscolha quando
Mochi 1TextoMovimento natural, precisão do promptVocê quer cenas realistas e fotográficas a partir de palavras
Wan 2.5 T2VTextoQualidade e velocidade equilibradasVocê precisa de uma opção de uso geral
Kling v2.5 Turbo ProTexto e imagemAcabamento cinematográficoVocê quer um visual premium
Hunyuan VideoTextoSaída realista e detalhadaO realismo é o mais importante
LTX VideoTextoGeração rápidaVocê itera com rapidez
Veo 3.1 FastTextoÁudio nativo e 1080pVocê precisa de som no seu clipe
Seedance 2.5 LiteTexto e imagemGratuito, clipes mais longosVocê quer duração sem custo

Uma forma simples de escolher

Faça três perguntas. Você precisa de som? Escolha um modelo com áudio nativo. Você precisa partir de uma foto? Escolha um modelo de imagem para vídeo. Você só quer uma cena crível de cinco segundos a partir de uma frase? O Mochi 1 é um ponto de partida sólido e simples.

Solução de problemas comuns

O movimento parece distorcido

Simplifique. Reduza o prompt a um sujeito e uma ação, e acrescente "high resolution 4k" no fim. Aumentar os passos de inferência também pode limpar o ruído.

O clipe ignora parte do prompt

Mova o detalhe mais importante para o início da frase. Se isso não resolver, aumente o guidance scale em um ponto e teste de novo.

O resultado parece rígido

Reduza um pouco o guidance scale. Valores muito altos mantêm o modelo próximo ao prompt, mas podem achatar o movimento natural.

O estilo parece errado

Se você pediu ilustração ou animação, mude para uma descrição realista ou use um modelo feito para vídeo estilizado. O Mochi 1 é ajustado para resultados fotográficos.

Crie seu primeiro clipe hoje

O Mochi 1 é o tipo certo de ferramenta para um experimento rápido: uma frase entra, um clipe crível sai, sem configuração e sem custo para testar. Abra a página do Mochi 1 no PicassoIA, cole um dos prompts acima e veja o que volta. Guarde a seed de qualquer clipe de que você gostar, mude um detalhe e rode de novo.

Quando você precisar de uma imagem inicial, de clipes mais longos ou de som, vá para uma das alternativas deste artigo ou explore tudo em picassoia.com/en/all-models. Escolha um sujeito que você já ama, escreva-o em uma frase clara e faça seu primeiro vídeo agora.

Compartilhe este artigo

Escolha seu idioma

FreeCrie imagens e vídeos com IAGrátis, sem cartão de créditoGerações grátis para começarSeedance 2.5 Lite incluídoComece grátis agora