Genmo 对比 Synthesia

Genmo 是一个研究实验室，致力于构建开放的视频世界模型，其旗舰产品是基于文本的视频生成系列 Mochi。你可以在浏览器的试玩平台上试验生成，也可以下载权重在本地运行，或者接入合作伙伴的API。团队将视频视为通向理解物理、运动和场景连续性的世界模拟器的路径。

Mochi 1 是他们的首个重要公开版本：这是一个具有 100 亿参数的扩散模型，采用 Apache 2.0 许可，从零开始在非对称扩散变换器架构上训练。预览输出为 480p、30fps 的片段，最长 5.4 秒，强调遵循提示和真实运动，而非静态帧的细节优化。

研究人员和开发者可以在 Hugging Face 上获取开源权重，在 GitHub 上找到源代码，并支持通过 ComfyUI 创建自定义管道。创作者和市场营销人员可以使用托管的试玩平台原型场景，无需在本地运行GPU。该实验室还发布技术论文和基准测试，将 Mochi 与闭源商业视频生成器进行比较。

Synthesia 使用 240 多个库存头像、克隆声音和覆盖 160 多种语言的唇同步配音，将脚本转换为由主持人引导的视频。您只需编写文本，选择头像，即可导出 MP4 或 SCORM，无需摄像机、工作室或配音演员。基础计划每月包含 10 分钟生成视频和 9 个库存头像。

大多数头像视频工具仅支持导出，而 Synthesia 在一个工作区内实现创建、本地化、协作和发布。嵌入视频在编辑源内容时自动更新，SCORM 包含翻译版本，企业团队可获得品牌套件及 SAML/SSO。角色扮演会话提供新视角：通过互动头像练习销售或支持对话，并对您的回应进行评分。

学习与发展团队用于大规模合规和入职培训。销售赋能团队可在几分钟内完成推介更新，无需预约拍摄。市场和内部沟通团队通过一键翻译将一个主视频本地化为数十种语言。超过 50,000 家企业使用，包括大量财富 100 强企业。