Genmo: Mochi 1

Mochi 1 er Genmos tekst-til-video-model til at omdanne en skriftlig scenebeskrivelse til levende billeder. Producenten lægger vægt på bevægelse og promptoverholdelse med et visuelt fokus på fotorealistisk indhold. Brug en konkret optagelsesbeskrivelse til at beskrive det motiv, de omgivelser og den handling, der skal være synlig i den færdige sekvens.

Skriv handlingen som noget, seeren kan følge. En hånd, der løfter en citron fra en skål, en cykel, der passerer en solbelyst mur, eller en fugl, der lander på en gren, giver hver en tydelig hændelse med en åbnings- og afslutningstilstand. Angiv, hvilket motiv der bærer scenen, hvad der ændrer sig under optagelsen, og hvilken detalje der skal forblive læsbar, mens den bevæger sig.

Vælg synsvinklen og omgivelserne til at understøtte handlingen. En nær visning kan fremhæve fingre, der rører ved et objekt, mens en bredere visning kan fastlægge forholdet mellem en person og en lokation. Medtag materiale-, belysnings- og baggrundsdetaljer, når de påvirker det synlige resultat. Hold beskrivelsen fokuseret nok til, at den vigtige bevægelse ikke konkurrerer med flere uvedkommende hændelser.

Producentens offentliggjorte Mochi 1-udgivelse dokumenterer native videogenerering i 480p og beskriver et fotorealistisk fokus. Planlæg en scene, hvis afgørende detaljer forbliver læsbare ved den skala. Fine mønstre, små fjerne ansigter og præcis tekst kræver særskilt undersøgelse i det faktiske output; en overbevisende samlet scene fastslår ikke, at hver lille egenskab overlever bevægelse.

Genmo identificerer vridning eller forvrængning som et muligt problem ved ekstreme bevægelser og bemærker, at udgivelsen er mindre egnet til animerede stilarter. Undersøg motivet gennem hele sekvensen ved en opgave med meget handling, især hvor det drejer, skifter retning eller passerer bag et andet objekt. Vælg det klip, hvis synlige bevægelse bedst matcher den tilsigtede hændelse, og målret derefter en konkret deformation i den næste kreative revision.

Producentens referenceimplementering stiller indstillinger som seed, antal frames, inferenstrin og guidance til rådighed sammen med prompten. De beskriver referencemodellens arbejdsgang; indstillingerne i en bestemt hostet metode angives sammen med den metode. Gem de faktisk anvendte indstillinger sammen med det resulterende klip, så en sammenligning ikke afhænger af en antaget standard eller en parameter fra en anden implementering.

Brug de færdige optagelser som konceptoptagelse, realistisk sceneelement eller kildeklip til videre redigering. Se hele sekvensen igennem for rækkefølgen og afslutningen af den ønskede handling, motivets kontinuitet og slutvisningens anvendelighed. Et stærkt åbningsbillede er kun én del af en brugbar levende optagelse.

Bevar den faktiske video og dens skriftlige opgavebeskrivelse. Identificér, om problemet er scenebeskrivelsen, en skjult motivdetalje, en brat handling eller et uegnet billedudsnit, når resultatet ikke opfylder målet. Ret den relevante del af prompten med bevarelse af det vellykkede motiv og de vellykkede omgivelser. Sammenlign revisionen mod det samme synlige mål, og brug hele klippet frem for et miniaturebillede til at afgøre, om det tjener den tilsigtede redigering.