Genmo vs Fliki

A Genmo é um laboratório de pesquisa que está construindo modelos abertos de mundos de vídeo, com o Mochi como sua linha principal de geração de vídeo a partir de texto. Você pode experimentar a geração no playground do navegador, fazer download dos pesos para execuções locais ou integrar às APIs de parceiros. A equipe enxerga o vídeo como um caminho rumo a simuladores de mundo que compreendem física, movimento e continuidade de cena.

O Mochi 1 é seu primeiro grande lançamento público: um modelo de difusão de 10 bilhões de parâmetros sob a licença Apache 2.0, treinado do zero em uma arquitetura de Transformer de Difusão Assimétrica. As pré-visualizações geram clipes em resolução de 480p a 30fps por até 5,4 segundos, com foco na aderência ao prompt e movimento realista, ao invés de polimento de quadros estáticos.

Pesquisadores e desenvolvedores podem acessar os pesos abertos no Hugging Face, o código-fonte no GitHub, e suporte ao ComfyUI para pipelines personalizados. Criadores e profissionais de marketing utilizam o playground hospedado para criar protótipos de cenas sem precisar rodar GPUs localmente. O laboratório também publica artigos técnicos e benchmarks comparando o Mochi com geradores de vídeo comerciais fechados.

Fliki transforma texto em vídeos prontos para publicação com narrações em voz artificial, visuais de banco de imagens ou gerados, música e legendas. Você cola um roteiro, post de blog ou comando de uma linha, e o editor cria a narração, seleciona a mídia e exporta um clipe finalizado com personagens consistentes em minutos.

Comparado com ferramentas separadas de voz e vídeo, Fliki reúne texto para vídeo, texto para fala, planejamento de séries e um gêmeo digital que clona seu rosto e voz para clipes no estilo apresentador. A plataforma oferece mais de 2.000 vozes em mais de 80 idiomas, além de fluxos de trabalho para ideia para vídeo, PPT para vídeo e tradução.

Fliki informa 100 milhões de vídeos criados e 12 milhões de usuários. O plano gratuito inclui 3 créditos mensais e exportações em 720p com marca d'água, enquanto os planos Standard e Premium adicionam saída em 1080p, durações maiores de até 40 minutos, clonagem de voz e acesso à API no nível superior.