Genmo: Mochi 1

Mochi 1 es el modelo de texto a vídeo de Genmo para convertir una descripción escrita de una escena en imágenes en movimiento. El fabricante destaca el movimiento y el seguimiento de instrucciones, con un enfoque visual en contenido fotorrealista. Utiliza unas indicaciones concretas del plano para describir el sujeto, el entorno y la acción que deben verse en la secuencia completa.

Escribe la acción como algo que el espectador pueda seguir. Una mano que levanta un limón de un cuenco, una bicicleta que pasa junto a una pared iluminada por el sol o un pájaro que se posa en una rama ofrecen acontecimientos claros con un estado inicial y uno final. Especifica qué sujeto lleva el peso de la escena, qué cambia durante el plano y qué detalle debe seguir siendo legible mientras se mueve.

Elige el punto de vista y el entorno para apoyar esa acción. Una vista cercana puede destacar unos dedos que tocan un objeto, mientras que una vista más amplia puede establecer la relación entre una persona y un lugar. Incluye detalles de materiales, iluminación y fondo cuando afecten al resultado visible. Mantén la descripción lo bastante centrada para que el movimiento importante no compita con varios acontecimientos no relacionados.

La versión publicada de Mochi 1 del fabricante documenta generación de vídeo nativa a 480p y describe un enfoque fotorrealista. Planifica una escena cuyos detalles decisivos sigan siendo legibles a esa escala. Los patrones finos, los rostros pequeños y lejanos y las letras precisas necesitan una inspección independiente en la salida real; una escena global convincente no establece que todos sus detalles pequeños sobrevivan al movimiento.

Genmo identifica las deformaciones o distorsiones como un posible problema con movimientos extremos y señala que esta versión es menos adecuada para estilos de animación. Para unas indicaciones con mucha acción, examina al sujeto a lo largo de toda la secuencia, sobre todo cuando gire, cambie de dirección o pase detrás de otro objeto. Selecciona el clip cuyo movimiento visible coincida mejor con el acontecimiento previsto y aborda una deformación concreta en la siguiente revisión creativa.

La implementación de referencia del fabricante expone controles como seed, número de fotogramas, pasos de inferencia y guidance, junto con las instrucciones. Estos describen el proceso del modelo de referencia; los controles proporcionados por un método concreto del servicio se enumeran junto con ese método. Conserva los ajustes reales utilizados junto con el clip resultante para que una comparación no dependa de un valor predeterminado supuesto o de un parámetro de otra implementación.

Utiliza el material completo como plano conceptual, elemento de escena realista o clip de origen para editarlo después. Mira toda la secuencia para comprobar el orden y la finalización de la acción solicitada, la continuidad del sujeto y la utilidad de la vista final. Un buen fotograma inicial es solo una parte de un plano en movimiento utilizable.

Conserva el vídeo real y sus indicaciones escritas. Si el resultado no cumple el objetivo, identifica si el problema está en la descripción de la escena, un detalle oculto del sujeto, una acción brusca o una elección de encuadre inadecuada. Cambia la parte pertinente de las instrucciones conservando el sujeto y el entorno que funcionen. Compara la revisión con el mismo objetivo visible y utiliza el clip completo, no una miniatura, para decidir si sirve para el montaje previsto.