Genmo AI

テキストと画像を躍動感あふれるビデオに変換し、オープンソースモデルを提供するAI映像作成ツール

無料＋有料WebCLILLMベースマルチモーダル

概要

Genmo AIは、Apache 2.0ライセンスで公開されたオープンソースのテキスト-ビデオモデル「Mochi 1」を開発したAI映像生成プラットフォームです。100億個のパラメータを持つMochi 1は、30fpsの滑らかな映像と物理的なリアリズムを強みとしており、ウェブプレイグラウンドとローカル実行（ComfyUI、Hugging Face）の2つの方法で利用できます。2024年10月にNEA主導で$28.4MのシリーズA資金調達を実施しました。

差別化ポイント

Runway Gen-3 AlphaやLuma Dream Machineといった競合ツールが閉鎖的な有料サブスクリプションモデルを維持しているのとは異なり、Genmoは最新モデルMochi 1のソースコードと重みをオープンソースとして公開し、誰でもローカルで実行・改変できるようにしています。また「Asymmetric Diffusion Transformer」アーキテクチャを採用することで物理的なリアリティを最大化しており、他のツールと比べてプロンプトの指示内容を動画フレーム全体により正確に反映することに注力しています。

主な機能

Mochi 1 オープンソーステキスト-ビデオモデル（Apache 2.0ライセンス）
秒間30フレーム（30fps）の高品質映像出力
ComfyUI専用ラッパーノードおよびローカルウェイト（ローカル重み）実行のサポート
Hugging Faceを通じたモデルウェイトの配布
Genmo Chatに基づく対話型の映像作成環境

メリット・デメリット

ウェブ検索で収集したユーザーの声をまとめたものです

メリット

毎秒30フレーム（30fps）という高いフレームレートに対応しており、映像が途切れなく非常になめらかです。液体の動きや重力といった複雑な物理現象をリアルに描写する能力にも優れています。オープンソースベースのため、高性能ワークステーションを持つユーザーであればコスト負担なく強力な映像生成機能を自由に活用でき、Webバージョンでもシンプルなテキスト入力だけで映画スタイルの高品質な映像を得られる点が魅力です。

デメリット

Mochi 1モデルをローカル環境で直接動かすには、最低48GB以上のVRAMを備えた高スペックGPUが必要で、一般ユーザーにとってはハードウェアの壁が非常に高くなっています。Webインターフェースサービスでは無料ユーザーに付与される1日あたりのクレジットが限られており、複雑な人物の動作を生成する際に身体が歪んだり物理法則が破綻したりする現象がまれに見られることもあります。