Mochi 1 | Genmo 文字轉影片

這些 及其相關工作流程完全由 Kijai 開發。我們將所有應得的榮譽歸給 Kijai，感謝他這項創新的工作。在 RunComfy 平台上，我們只是向社群展示 Kijai 的貢獻。目前需要注意的是，RunComfy 和 Kijai 之間並沒有正式的連結或合作關係。我們非常感謝 Kijai 的工作！

Mochi 1

Mochi 1 是 開發的先進文字轉影片模型，通過將文字描述轉化為生動、視覺吸引人的影片，將創意構想變為現實。憑藉直觀的人工智能功能，Mochi 1 能夠解讀各種提示，創建動態動畫、現實場景或藝術化視覺化，符合使用者的意圖。無論是用於故事敘述、廣告、教育內容或娛樂，Mochi 1 都提供了靈活性，支援多樣化的影片風格，從2D動畫到電影級渲染。Mochi 1 的設計旨在賦予創作者力量，使影片製作更為便捷。

如何使用 ComfyUI Mochi 1 工作流程？

1.1 Mochi 1 取樣器

這是工作流程的主要節點，您可以在其中定義大多數設置，如框數、解析度、步驟、cfg...等，用於使用 Mochi 1 進行影片生成。

參數:

• Width: Mochi 1 生成影片的寬度。
• Height: Mochi 1 生成影片的高度。
• num_frames: 控制 Mochi 1 影片中生成的框數。
• steps: 增強 Mochi 1 輸出細節的迭代次數。更多步驟會產生更精細的細節，但需要更多的處理時間。
• cfg: 無分類指導尺度，調整 Mochi 1 如何緊密遵循輸入指導。
• seed: 控制 Mochi 1 生成過程中的隨機性。使用相同的種子會產生相同的結果。
• control_after_generate: 調整 Mochi 1 生成後的圖像細節。

1.2 正面和負面提示。

• Positive Prompt: 描述您希望 Mochi 1 生成的內容，專注於所需的元素。例如，“在自然陽光下微笑的金髮女子”或“一個繁花盛開的寧靜公園”。
• Negative Prompt: 描述您不希望 Mochi 1 在影片中生成的內容。
• Strength: 決定提示的強度以及 Mochi 1 將如何緊密遵循該提示。

1.3 模型自動下載器

• 這是 Mochi 1 模型的自動下載和加載工具。
• 首次運行時，下載 Mochi 1 模型 19.1 GB 模型需時 3-5 分鐘。

1.4 Mochi 1 解碼

參數:

• enable_vae_tiling: 啟用/禁用低 vram 消耗的瓦片解碼。
• auto_tile_size: 自動確定瓦片解碼大小。
• frames_batch_size: 確定一次解碼的框數。使用較低的值以消耗較少的 GPU，但將花費更多時間。
• tile_sample_mine_height: Mochi 1 輸出解碼的瓦片最小高度。
• tile_sample_mine_width: Mochi 1 輸出解碼的瓦片最小寬度。
• tile_overlap_factor_height: Mochi 1 解碼的瓦片最小重疊高度。
• tile_overlap_factor_width: Mochi 1 解碼的瓦片最小重疊寬度。

1.5 影片合併

參數:

• frame_rate: 設定 Mochi 1 輸出的幀率。在這個例子中，設定為 12，表示影片將以每秒 12 幀的速度播放。
• loop_count: 定義影片將循環播放的次數。值為 0 通常表示無限循環，儘管這可能取決於具體的軟件實現。
• filename_prefix: 為 Mochi 1 輸出文件的文件名添加前綴。在圖像中，設定為 1141，因此輸出文件將以該數字開頭。
• format: 指定 Mochi 1 輸出影片格式。在這裡，它被設置為 video/h264-mp4，意味著影片將以 H.264 編解碼器編碼並保存為 MP4 文件。
• pix_fmt: 定義影片的像素格式。值 yuv420p 表示將使用 YUV 色彩空間和 4:2:0 色度抽樣，這是由於其質量和平衡的壓縮而被廣泛使用。
• crf: 常量速率因子，控制影片的質量和文件大小與比特率的關係。值為 19 提供了影片質量和文件大小之間的良好平衡，其中較低的值提供更好的質量和更大的文件大小，而較高的值則降低質量和文件大小。
• save_metadata : 啟用（true）時，將設置和屬性等元數據保存到輸出文件中。
• pingpong: 此設置啟用時，影片會正向播放然後反向播放，創造出“乒乓”效果。此處設定為假，因此不會應用此效果。
• save_output: 設為 true 時，Mochi 1 的最終輸出將保存到磁碟。

Mochi 1 的設計旨在提高可及性，允許使用者自定義細節，如色彩方案、相機角度、運動動態等，使其適合初學者和有經驗的創作者。Mochi 1 的底層算法經過大量視覺數據集的訓練，使其能夠理解上下文、情感和視覺故事講述的細微差別。Mochi 1 無縫整合到流行的編輯平台中，允許使用者潤飾生成的影片或添加自定義效果。

通過結合效率和創造力，Mochi 1 為內容創作者開闢了新可能，節省時間的同時提升創造力並加速原型製作。這使得 Mochi 1 非常適合創作引人入勝的 YouTube 影片、社交媒體內容或互動故事，讓使用者能夠在不需要深入影片編輯專業知識的情況下以引人入勝的視覺形式表達想法。