Genmo: Mochi 1

Mochi 1 er Genmos tekst-til-video-modell for å gjøre en skriftlig scenebeskrivelse om til bevegelige bilder. Produsenten legger vekt på bevegelse og etterlevelse av prompten, med fotorealistisk innhold som visuelt fokus. Bruk en konkret opptaksbeskrivelse til å angi motiv, miljø og handling som skal være synlig i den ferdige sekvensen.

Skriv handlingen som noe seeren kan følge. En hånd som løfter en sitron fra en bolle, en sykkel som passerer en solbelyst vegg, eller en fugl som lander på en gren, gir hver sin tydelige hendelse med åpnings- og sluttilstand. Angi hvilket motiv som bærer scenen, hva som endres under opptaket, og hvilken detalj som bør forbli tydelig mens den beveger seg.

Velg synsvinkel og miljø som støtter handlingen. Et nærbilde kan fremheve fingre som berører et objekt, mens et videre utsnitt kan etablere forholdet mellom en person og et sted. Ta med material-, lys- og bakgrunnsdetaljer når de påvirker det synlige resultatet. Hold beskrivelsen avgrenset nok til at den viktige bevegelsen ikke konkurrerer med flere urelaterte hendelser.

Produsentens publiserte Mochi 1-utgave dokumenterer videogenerering med nativ oppløsning på 480p og beskriver et fotorealistisk fokus. Planlegg en scene der avgjørende detaljer fortsatt er tydelige i denne størrelsen. Fine mønstre, små ansikter langt unna og presis skrift må undersøkes separat i de faktiske utdataene; en overbevisende helhetsscene fastslår ikke at alle små trekk holder seg gjennom bevegelsen.

Genmo peker på vridning eller forvrengning som et mulig problem ved ekstrem bevegelse og bemerker at utgaven er mindre egnet til animerte stiler. For en handlingspreget beskrivelse undersøkes motivet gjennom hele sekvensen, særlig der det snur, endrer retning eller passerer bak et annet objekt. Velg klippet med synlig bevegelse som best samsvarer med den tiltenkte hendelsen, og rett deretter neste kreative revisjon mot en konkret deformasjon.

Produsentens referanseimplementasjon tilbyr kontroller som seed, antall bilder, inferenssteg og styring sammen med prompten. Disse beskriver prosessen for referansemodellen; kontrollene som tilbys av en bestemt driftet metode, er oppført sammen med den metoden. Behold innstillingene som faktisk brukes, sammen med det resulterende klippet, slik at en sammenligning ikke avhenger av en antatt standard eller en parameter fra en annen implementasjon.

Bruk det ferdige materialet som konseptopptak, realistisk sceneelement eller kildeklipp for videre redigering. Se hele sekvensen for rekkefølgen og fullføringen av ønsket handling, motivkontinuitet og nytten av sluttvisningen. Et sterkt åpningsbilde er bare én del av et brukbart bevegelig opptak.

Behold selve videoen og den skriftlige beskrivelsen. Når resultatet ikke når målet, identifiser om problemet ligger i scenebeskrivelsen, en skjult motivdetalj, en brå handling eller et uegnet utsnitt. Endre den relevante delen av prompten og behold vellykket motiv og miljø. Sammenlign revisjonen mot det samme synlige målet, og bruk hele klippet fremfor et miniatyrbilde til å avgjøre om det passer den planlagte redigeringen.