次世代ビデオ生成のSegmind、GenmoのMochi-1を発表

Generative AIプラットフォームのSegmindは、Genmoが開発した革新的なオープンソースのテキストからビデオへの変換モデル「Mochi-1」を自社のServerless APIを通じて提供開始しました。この統合により、インフラ管理の手間なく、開発者やクリエイターが高度なビデオ生成技術を活用できる新しい可能性が広がります。

Mochi-1の技術と特徴
Mochi-1は、テキストからビデオ生成の分野において画期的な進歩をもたらすモデルです。独自のAsymmetric Diffusion Transformerアーキテクチャを採用し、視覚処理を重視しながらT5-XXL言語モデルを活用してテキストをエンコードします。この設計により、Mochi-1は滑らかでリアルな動きや複雑なプロンプトへの正確な対応が可能です。具体例として、人間の自然な動作や水の流体力学、フォトリアリスティックなシーンの生成において、オープンソースモデルとしての新たな品質基準を確立しています。

SegmindのCEOであるRohit Rao氏は、「Mochi-1を当社プラットフォームに導入することで、ビデオ生成の最新技術を提供し続け、オープンソースAIコミュニティへの貢献を継続します」と述べています。

Mochi-1の応用分野
Mochi-1はSegmindのServerless APIに統合され、広範なユースケースに対応可能です。マーケティングの動的コンテンツ作成、映画やゲーム開発のプロトタイピング、ARやVR向けの没入型ビデオ体験などに利用できます。また、高品質な動画を小さいサイズで提供するビデオ圧縮の効率性により、モバイルファーストのビデオプラットフォームや低遅延環境でのリアルタイムビデオ生成にも適しています。

Segmindの提供価値
SegmindはMochi-1だけでなく、Runway、Kling、Luma AIを含む最先端モデルや100種類以上のAIツールを提供しており、画像やビデオ生成の分野で包括的なハブとしての地位を確立しています。