Mochi-1 Video

Mochi-1 est le modèle open source de génération de vidéos à 10 milliards de paramètres de Genmo, produisant des vidéos en 848×480 à 30 ips avec un mouvement physiquement réaliste. Il utilise une architecture de transformeur de diffusion asymétrique (AsymmDiT) et se classe parmi les modèles vidéo open source de la plus haute qualité en matière de fidélité des mouvements. Déployez-le sur le cloud GPU de Clore.ai pour générer des vidéos de qualité professionnelle à une fraction du coût des API commerciales.

---

Qu’est-ce que Mochi-1 ?

Mochi-1 est un modèle à 10 milliards de paramètres modèle vidéo de diffusion entraîné pour produire des vidéos avec :

• Mouvements fluides et physiquement plausibles

• Forte cohérence temporelle

• Forte adhérence au prompt

• résolution 848×480 à 30 ips

Il utilise un transformeur de diffusion asymétrique (AsymmDiT) — avec des profondeurs d’encodeur différentes pour la vidéo et le texte — permettant une inférence efficace à grande échelle. Les poids sont publiés sous la licence Genmo Open Source, libre pour la recherche et l’usage commercial.

Points forts du modèle :

• 10 milliards de paramètres

• Sortie native 848×480 à 30 ips

• Forte fidélité des mouvements (classé parmi les meilleurs dans les benchmarks communautaires)

• Disponible sur Hugging Face avec intégration diffusers

• Interface de démonstration Gradio pour une interaction facile

---

Prérequis

Exigence	Minimum	Recommandé
VRAM GPU	24 Go	40–80 Go
GPU	RTX 4090	A100 / H100
RAM	32 Go	64 Go
Stockage	60 Go	100 Go
CUDA	12.8+	12.8+

Mochi-1 est un modèle volumineux (≈40 Go en fp8 / ≈80 Go en bf16). Un seul RTX 4090 (24 Go) peut l’exécuter avec quantification. Pour une qualité optimale, utilisez un A100 40 Go ou plus. Les configurations multi-GPU sont prises en charge.

---

Étape 1 — Louer un GPU sur Clore.ai

1. Accédez à clore.ai et connectez-vous.

2. Cliquez sur Place de marché et filtrez :

   • VRAM : ≥ 24 Go (RTX 4090 minimum, A100 recommandé)

   • Pour le multi-GPU : filtrez par nombre de GPU ≥ 2

3. Sélectionnez votre serveur et cliquez sur Configurer.

4. Définissez l’image Docker sur pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel (image de base — nous installons Mochi à l’intérieur).

5. Définissez les ports ouverts : 22 (SSH) et 7860 (interface Gradio).

6. Cliquez sur Louer.

Clore.ai propose des instances A100 40 Go à partir de bare metal. Pour Mochi-1 en qualité maximale, c’est le choix le plus rentable.

---

Étape 2 — Dockerfile personnalisé

Créez votre propre image ou utilisez ceci Dockerfile pour créer un environnement Mochi-1 prêt à l’emploi :

FROM pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel

ENV DEBIAN_FRONTEND=noninteractive

RUN apt-get update && apt-get install -y \
    git wget curl ffmpeg \
    libgl1 libglib2.0-0 \
    openssh-server \
    && rm -rf /var/lib/apt/lists/*

# Configurer SSH
RUN mkdir /var/run/sshd && \
    echo 'root:clore123' | chpasswd && \\
    sed -i 's/#PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_config && \
    sed -i 's/UsePAM yes/UsePAM no/' /etc/ssh/sshd_config

WORKDIR /workspace

# Cloner le dépôt Mochi-1
RUN git clone https://github.com/genmoai/mochi /workspace/mochi

# Installer les dépendances Python
RUN cd /workspace/mochi && \
    pip install --upgrade pip && \
    pip install -e . && \\
    pip install gradio huggingface_hub

EXPOSE 22 7860

CMD service ssh start && \
    echo "Environnement Mochi-1 prêt. Lancez le script de téléchargement puis démarrez la démo." && \
    tail -f /dev/null

Construire et envoyer à Docker Hub

Construisez l’image localement et poussez-la vers votre propre compte Docker Hub (remplacez YOUR_DOCKERHUB_USERNAME par votre nom d'utilisateur réel) :

docker build -t YOUR_DOCKERHUB_USERNAME/mochi-1:latest .
docker push YOUR_DOCKERHUB_USERNAME/mochi-1:latest

Puis utilisez YOUR_DOCKERHUB_USERNAME/mochi-1:latest comme image Docker dans Clore.ai.

Il n’existe pas d’image Docker officielle préconstruite pour Mochi-1 sur Docker Hub. Vous devez la construire à partir du Dockerfile ci-dessus. Sinon, utilisez pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel comme image de base directement et exécutez les commandes de configuration manuellement via SSH.

---

Étape 3 — Connectez-vous via SSH

Une fois votre instance en cours d’exécution :

ssh root@<clore-host> -p <assigned-ssh-port>

---

Étape 4 — Télécharger les poids de Mochi-1

Les poids du modèle sont hébergés sur Hugging Face. Téléchargez-les via le huggingface_hub CLI :

cd /workspace

# Installer huggingface-cli si ce n’est pas déjà fait
pip install -U huggingface_hub

# Télécharger les poids de Mochi-1 (~40 Go pour bf16)
huggingface-cli download genmo/mochi-1-preview \
    --local-dir /workspace/mochi-weights \
    --include "*.safetensors" "*.json" "*.txt"

Le modèle bf16 complet fait environ 80 Go. La version fp8 quantifiée fait ~40 Go et fonctionne sur RTX 4090 (24 Go) avec déchargement CPU. Indiquez --include "*fp8*" pour télécharger uniquement les poids quantifiés.

Alternative : télécharger uniquement les poids quantifiés fp8

huggingface-cli download genmo/mochi-1-preview \
    --local-dir /workspace/mochi-weights \
    --include "*fp8*" "*.json" "*.txt"

---

Étape 5 — Lancer la démo Gradio

Mochi-1 est livré avec une interface web Gradio pour une génération texte-vers-vidéo facile :

cd /workspace/mochi

python demos/gradio_ui.py \
    --model_dir /workspace/mochi-weights \
    --share False \
    --host 0.0.0.0 \
    --port 7860

Pour le mode faible VRAM (RTX 4090, 24 Go) :

python demos/gradio_ui.py \
    --model_dir /workspace/mochi-weights \
    --cpu_offload \
    --share False \
    --host 0.0.0.0 \
    --port 7860

Le --cpu_offload l’indicateur déplace les couches du modèle vers la RAM CPU lorsqu’elles ne sont pas utilisées, réduisant la VRAM maximale à ~18–20 Go au prix d’une génération environ 2× plus lente.

---

Étape 6 — Accéder à l’interface web

Ouvrez votre navigateur et rendez-vous sur :

http://<clore-host>:<public-port-7860>

Vous verrez l’interface Gradio de Mochi-1 avec :

• Un champ de saisie pour le prompt texte

• Paramètres de génération (steps, guidance scale, seed)

• Lecteur de sortie vidéo

---

Étape 7 — Générer votre première vidéo

Exemples de prompts

Scène naturelle :

Une majestueuse cascade dévalant des rochers couverts de mousse dans une forêt tropicale luxuriante, 
la lumière dorée de l’heure dorée filtrant à travers la canopée, panoramique cinématographique lent

Scène d’action :

Un guépard sprintant à pleine vitesse à travers une savane ouverte, 
soulevant de la poussière derrière lui, plan large dramatique, documentaire animalier 4K

Abstrait / artistique :

Peinture colorée tourbillonnant dans l’eau en très ralenti, 
pigments bleu et orange vifs se mélangeant, objectif macro, éclairage de studio

Paramètres recommandés

Paramètre	Valeur
Étapes	64
Scale de guidance	4.5
Durée	5,1 secondes (par défaut)
Résolution	848×480 (natif)

Le temps de génération varie considérablement selon le GPU. Sur un A100 80 Go, une vidéo de 5 secondes prend environ 2–4 minutes. Sur RTX 4090 avec déchargement CPU, prévoyez 8–15 minutes.

---

Utilisation de l’API Python

Pour une génération programmatique, utilisez le pipeline diffusers :

import torch
from diffusers import MochiPipeline
from diffusers.utils import export_to_video

# Charger le pipeline
pipe = MochiPipeline.from_pretrained(
    "/workspace/mochi-weights",
    torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()
pipe.enable_vae_slicing()

# Générer la vidéo
with torch.autocast("cuda", torch.bfloat16, cache_enabled=False):
    frames = pipe(
        prompt="Un golden retriever jouant à rapporter sur une plage ensoleillée, cinématique",
        num_frames=84,
        guidance_scale=4.5,
        num_inference_steps=64,
        generator=torch.Generator("cuda").manual_seed(42)
    ).frames[0]

# Exporter
export_to_video(frames, "output.mp4", fps=30)
print("Vidéo enregistrée dans output.mp4")

Script de génération par lots

import torch
from diffusers import MochiPipeline
from diffusers.utils import export_to_video
import os

pipe = MochiPipeline.from_pretrained(
    "/workspace/mochi-weights",
    torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()

prompts = [
    "Un papillon se posant sur une fleur au ralenti, macrophotographie",
    "Des vagues de l’océan se brisant contre des falaises rocheuses au coucher du soleil, prise de vue par drone",
    "Des aurores boréales dansant dans un ciel étoilé au-dessus d’un lac gelé",
]

os.makedirs("/workspace/outputs", exist_ok=True)

for i, prompt in enumerate(prompts):
    frames = pipe(
        prompt=prompt,
        num_frames=84,
        guidance_scale=4.5,
        num_inference_steps=64,
    ).frames[0]
    
    output_path = f"/workspace/outputs/video_{i:03d}.mp4"
    export_to_video(frames, output_path, fps=30)
    print(f"Enregistré : {output_path}")

---

Inférence multi-GPU

Pour une génération plus rapide avec plusieurs GPU :

import torch
from diffusers import MochiPipeline

# Utiliser device_map pour la distribution automatique multi-GPU
pipe = MochiPipeline.from_pretrained(
    "/workspace/mochi-weights",
    torch_dtype=torch.bfloat16,
    device_map="balanced"
)

# Pas besoin de cpu_offload avec plusieurs GPU
frames = pipe(
    prompt="Votre prompt ici",
    num_frames=84,
    guidance_scale=4.5,
    num_inference_steps=64,
).frames[0]

Clore.ai propose des serveurs multi-GPU (2×, 4× RTX 4090 ou A100). Avec 2× A100 80 Go, le temps de génération tombe à moins de 60 secondes pour un clip de 5 secondes.

---

Dépannage

Mémoire CUDA insuffisante

torch.cuda.OutOfMemoryError : mémoire CUDA insuffisante

Solutions :

1. Ajoutez --cpu_offload à la commande gradio

2. Activez le découpage VAE : pipe.enable_vae_slicing()

3. Réduisez num_frames (essayez 24 au lieu de 84)

4. Utilisez les poids quantifiés fp8 au lieu de bf16

Chargement du modèle lent

Solution : Assurez-vous que les poids sont sur un disque NVMe rapide, pas sur un HDD. Vérifiez la vitesse du stockage :

dd if=/dev/zero of=/workspace/test bs=1M count=1000 conv=fdatasync

Artefacts vidéo / scintillement temporel

Solutions :

• Augmentez les étapes d’inférence (essayez 80–100)

• Ajustez la guidance scale (la plage 3,5–5,0 est généralement la meilleure)

• Utilisez un seed spécifique pour la reproductibilité et l’itération

Le port 7860 n’est pas accessible

Vérifiez que le port a été correctement ouvert dans Clore.ai et que le serveur Gradio est lié à 0.0.0.0:

ss -tlnp | grep 7860

---

Estimation des coûts

GPU	VRAM	Prix estimé	Temps vidéo 5 s
RTX 4090	24 Go	0,14–0,42 $/h	~10–15 min
A100 40 Go	40 Go	bare metal	~3–5 min
A100 80 Go	80 Go	bare metal	~2–3 min
2× A100 80 Go	160 Go	bare metal	~60–90 s

---

Recommandations GPU Clore.ai

Les configurations multi-GPU de classe 80 Go ne sont pas répertoriées sur la place de marché Clore.ai. Les plus grosses machines répertoriées aujourd’hui sont 4× RTX PRO 6000 Blackwell (96 Go chacune, 380 Go au total) et 8–11× RTX 5090 (32 Go chacune). La capacité A100 / H200 / B200 est proposée en bare metal sur demande. Consultez bare metal sur demande. Consultez Tarifs et disponibilité des GPU avant de dimensionner un déploiement.

Mochi-1 consomme beaucoup de VRAM — le modèle à 10 milliards de paramètres nécessite une sélection soignée du GPU.

GPU	VRAM	Prix Clore.ai	Mode	Temps de génération d’une vidéo de 5 s
RTX 4090	24 Go	0,14–0,42 $/h	fp8 quantifié uniquement	~10–15 min
A100 40 Go	40 Go	bare metal	bf16 recommandé	~3–5 min
A100 80 Go	80 Go	bare metal	bf16 complet, rapide	~2–3 min
2× A100 80 Go	160 Go	bare metal	parallélisme tensoriel, le plus rapide	~60–90 s

RTX 3090 (24 Go) non recommandé — le mode fp8 de Mochi-1 nécessite au minimum 24 Go et laisse presque aucune marge. La RTX 4090 (24 Go) fonctionne en fp8 mais manque fréquemment de mémoire sur les séquences plus longues. Commencez avec un A100 40 Go pour des résultats fiables.

Meilleur rapport qualité-prix : A100 40 Go à bare metal génère un clip de 5 secondes en 3–5 minutes. Cela revient à environ 0,08–0,10 $ par clip vidéo — nettement moins cher que Runway ML (0,25–0,50 $/clip) ou les abonnements Pika Labs.

---

Ressources utiles

• Mochi-1 GitHub

• Mochi-1 sur Hugging Face

• Blog Genmo — Lancement de Mochi-1

• Documentation Mochi pour Diffusers

• Guide des prompts Mochi (communauté)