Vidu 对比 Genmo

Vidu 将文本提示、静态图像和参考照片转换为最高1080p的成品视频剪辑。独立创作者和制作团队使用它跳过传统的后期流程，直接在浏览器中从创意到导出。核心模式包括文本转视频、图像转视频和参考转视频。

参考转视频是 Vidu 的突出特点。最多上传七张图片，以保持剪辑中角色、物体和场景的一致性，或将素材保存在“我的参考”中以便后续项目重复使用。Vidu Q3 模型在同一生成过程中添加原生音频，使对话、配音、音效和音乐与画面同步，而无需单独编辑步骤。

从事动漫、广告、社交内容和短片制作的创作者使用 Vidu 制作从基于模板的病毒视频到具有帧级摄像机控制的16秒叙事镜头。工作室和营销人员也利用图像转视频功能为产品镜头添加动画或更换广告背景，同时保持主体形象一致。

新账户将获得初始积分，更多积分可通过每日登录、订阅和平台活动获得。

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。