Vidu vs Genmo

Vidu transforma textos, imagens estáticas e fotos de referência em clipes de vídeo finalizados em até 1080p. Criadores independentes e equipes de produção o utilizam para pular a pipeline tradicional de pós-produção e ir da ideia à exportação diretamente no navegador. Os modos principais são texto para vídeo, imagem para vídeo e referência para vídeo.

Referência para vídeo é onde o Vidu se destaca. Faça upload de até sete imagens para manter personagens, objetos e cenas consistentes ao longo do clipe, ou salve ativos em Minhas Referências para reutilização em projetos futuros. O modelo Vidu Q3 adiciona áudio nativo na mesma passagem de geração, para que diálogos, narração, efeitos sonoros e música fiquem sincronizados com a imagem, em vez de em uma etapa separada de edição.

Criadores que trabalham com anime, publicidade, conteúdo social e filmes de curta duração usam o Vidu para tudo, desde clipes virais baseados em templates até cenas narrativas de 16 segundos com controle de câmera quadro a quadro. Estúdios e profissionais de marketing também usam imagem para vídeo para animar fotos de produtos ou trocar fundos de anúncios mantendo os sujeitos no modelo.

Novas contas recebem créditos iniciais, com mais disponíveis por meio de logins diários, assinaturas e eventos da plataforma.

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.