Genmo vs Fliki

Genmo es un laboratorio de investigación que desarrolla modelos abiertos de mundos de video, con Mochi como su línea insignia de generación de video a partir de texto. Puedes probar la generación en el playground del navegador, descargar pesos para ejecuciones locales, o integrarte con APIs de socios. El equipo enmarca el video como un camino hacia simuladores del mundo que comprenden física, movimiento y continuidad de escenas.

Mochi 1 es su primer gran lanzamiento público: un modelo de difusión de 10 mil millones de parámetros bajo Apache 2.0, entrenado desde cero en una arquitectura de Transformador de Difusión Asimétrica. La vista previa genera clips en 480p a 30fps de hasta 5.4 segundos, con énfasis en la fidelidad a la indicación y movimientos realistas, en lugar de la pulidez en fotogramas estáticos.

Investigadores y desarrolladores tienen acceso a pesos abiertos en Hugging Face, el código fuente en GitHub, y soporte para ComfyUI para pipelines personalizados. Creadores y marketeros usan el playground alojado para prototipar escenas sin necesidad de GPUs locales. El laboratorio también publica artículos técnicos y benchmarks comparando Mochi con generadores de video comerciales cerrados.

Fliki convierte texto en videos listos para publicar con locuciones generadas por IA, imágenes de archivo o generadas, música y subtítulos. Pegas un guion, una entrada de blog o un prompt de una línea, y el editor crea la narración, selecciona los medios y exporta un clip terminado con personajes consistentes en minutos.

En comparación con herramientas separadas de voz y video, Fliki integra texto a video, texto a voz, planificación de series y un gemelo digital que clona tu rostro y voz para clips estilo presentador. La plataforma ofrece más de 2,000 voces en más de 80 idiomas, además de flujos de trabajo para idea a video, PPT a video y traducción.

Fliki reporta 100 millones de videos creados y 12 millones de usuarios. El plan gratuito incluye 3 créditos mensuales y exportaciones en 720p con marca de agua, mientras que los planes Standard y Premium añaden salida en 1080p, duraciones más largas de hasta 40 minutos, clonación de voz y acceso a API en el nivel superior.