Mochi 1：用可下载权重做写实运动短镜头

一段有动作的AI素材，难点通常在“如何变化”：眼睛怎样转动，皮肤怎样变色，镜头又离主体多近。Genmo的Mochi 1 preview值得影像实验者关注，是因为它把文字到视频的权重和推理流程开放出来，便于留下提示词、种子和参数，反复比较同一个动作设想。

这是2024年公布的既有模型，并非今天的新发布。官方模型卡把它定位为写实方向的视频生成预览版，初始输出为480p。项目公开代码和权重采用Apache 2.0；这提供了改造与部署的基础，但不代表模型卡中的示例图片、第三方素材或他人角色版权也随之转让。

从一个能落到画面的动作开始

模型卡的Diffusers例子以“变色龙眼睛特写、鳞片皮肤正在改变颜色”为提示，生成84帧，再以30fps导出为mochi.mp4。这里有三个可辨认的控制点：特写决定观察范围，变色龙眼睛决定主体，皮肤变色决定时间里的变化。提示词中虽然写了“4k”，那只是文本描述，不能改变该预览权重的480p能力边界。

这份代码展示的是官方使用方法，并没有附上这条提示词在本地运行的结果。它仍足以帮助组织创作：先确定一种运动，再增加光线、材质和摄影语言。例如把眼部运动与皮肤变色同时堆得很复杂，出问题时就难判断哪个动作导致形变；拆成几轮改词，更容易保留有用片段。中文读者可以把镜头意图整理成简短英文指令，模型卡列出的语言是英文，不据此承诺中文提示表现。

保留一次生成的条件，才方便改下一版

官方仓库除了Gradio界面，也提供命令行与可编程管线。原生API示例明确设置480×848、31帧、64步和固定种子；这些值说明参数在哪里调整，不是要求每个镜头都照抄。想比较动作词的差异，可以先固定其余条件，只替换动作描述；想比较构图，则保留动作，改变远景、特写或观察角度。最终保存MP4后，再进入剪辑软件挑选镜头。

硬件门槛要按实现看。仓库原生单卡流程写的是约60GB显存，并推荐至少一张H100；模型卡另列Diffusers的约42GB方案，以及采用较低精度、CPU卸载和VAE分块的约22GB方案，后者说明会有轻微质量损失。第三方ComfyUI优化不能直接当作原生仓库的需求。当前仓库还提示GPU推理与微调需要进一步环境验证，装好依赖不等于已验证生成链路。

模型卡坦承，极端运动可能出现扭曲，动画内容也不是优势。对短片而言，比较合适的成果是一个动作清楚、可供挑选和再剪辑的写实短镜头；若需要稳定人物身份、长剧情连续性或动画风格，应另找对应的模型与控制流程。