详细安装和配置指南：Mochi 视频生成项目

详细安装和配置指南：Mochi 视频生成项目

mochi The best OSS video generation models 项目地址: https://gitcode.com/gh_mirrors/mochi9/mochi

1. 项目基础介绍

Mochi 是一个开源的视频生成项目，它提供了一个先进的视频生成模型，具有高保真运动和强大的提示符依从性。该项目旨在缩小封闭和开放视频生成系统之间的差距，并采用 Apache 2.0 许可证发布。Mochi 模型适用于创建高质量的生成视频，并且可以通过其 API 进行程序化调用。

主要编程语言：Python

2. 项目使用的关键技术和框架

• Asymmetric Diffusion Transformer (AsymmDiT)：一种创新的扩散变压器架构，用于处理文本和视频令牌。
• T5-XXL 语言模型：用于编码用户提示的单个预训练语言模型。
• AsymmVAE：一种视频编码器-解码器结构，用于高效的视频压缩。
• PyTorch：Python 中的一个开源机器学习库，用于深度学习应用。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统中已经安装了以下依赖项：

• Python (推荐版本 3.8 及以上)
• pip (Python 包管理器)
• git (用于克隆仓库)
• FFMPEG (用于视频转换)

您还需要确保您的计算机具备足够的硬件资源，特别是显存（推荐至少 60GB VRAM）。

详细安装步骤

1. 克隆项目仓库：

git clone https://github.com/genmoai/models.git

2. 进入项目目录：

cd models

3. 使用 pip 安装项目依赖：

pip install uv

4. 创建虚拟环境并激活：

uv venv .venv
source .venv/bin/activate

5. 安装项目设置：

uv pip install setuptools
uv pip install -e . --no-build-isolation

如果需要安装 flash attention，可以使用以下命令：

uv pip install -e .[flash] --no-build-isolation

6. 下载模型权重，可以使用以下脚本：

python3 ./scripts/download_weights.py weights/

或者，您可以直接从 Hugging Face 下载权重文件到您的计算机。

7. 运行 gradio UI 界面：

python3 ./demos/gradio_ui.py --model_dir weights/ --cpu_offload

或者，直接从命令行生成视频：

python3 ./demos/cli.py --model_dir weights/ --cpu_offload

如果您的项目中包含了 LoRA fine-tuning，可以添加 --lora_path <path/to/my_mochi_lora.safetensors> 参数到 gradio_ui.py 或 cli.py。

以上步骤为基本的安装和配置指南，确保您按照项目要求正确安装所有依赖，并按照指示操作以成功运行 Mochi 视频生成模型。

mochi The best OSS video generation models 项目地址: https://gitcode.com/gh_mirrors/mochi9/mochi