mochi

环境要求

• Python 环境（README 未指定版本，安装命令基于 pip/uv）
• git 命令行工具
• FFMPEG（用于把模型输出转成视频文件）
• 足够的本地磁盘空间存放模型权重（README 未给出具体大小）
• 可用 GPU 或使用 --cpu_offload 缓解显存/内存压力

安装与启动步骤

1. 1克隆仓库

   从 GitHub 拉取 genmoai/mochi 源码，并进入项目目录，后续命令都在该目录执行。

   git clone https://github.com/genmoai/mochi
   cd mochi

   复制

2. 2创建虚拟环境

   安装 uv 包管理器，用它创建 .venv 虚拟环境并激活，避免污染系统 Python 环境。

   pip install uv
   uv venv .venv
   source .venv/bin/activate

   复制

3. 3安装项目依赖

   先装 setuptools，再以可编辑模式安装 mochi 本体，--no-build-isolation 是 README 指定的必需参数。

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

   复制

4. 4可选装 flash attention

   如需 flash attention 加速，改用带 flash 扩展的安装命令；普通安装可跳过此步。

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

   复制

5. 5安装 FFMPEG

   README 明确要求安装 FFMPEG，否则模型输出无法合成为视频；请按系统方式自行安装。

6. 6准备模型权重

   通过 README 顶部的 Direct Download 链接或 Hugging Face 页面获取权重，放到项目下的 weights/ 目录（该目录需与 --model_dir 参数一致）。

7. 7启动 Gradio 界面

   用官方 demo 脚本启动网页交互界面，--model_dir 指向权重目录，--cpu_offload 降低显存占用。

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

   复制

8. 8或用命令行生成

   不使用网页界面时，可直接运行 CLI 脚本进行文生视频推理，参数与 Gradio 方式相同。

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

   复制

关键配置

如何确认成功

Gradio 脚本启动成功后会在终端打印本地访问地址，浏览器打开即可输入提示词生成视频；CLI 方式则以能正常输出视频文件为准。

常见问题

注意事项

• README 的 Download 章节没有给出具体下载命令，权重需自行从官方直链或 Hugging Face 获取，因此本教程未编造下载命令。
• 权重目录必须与 --model_dir 参数一致，README 示例使用项目内的 weights/。
• 模型以 Apache 2.0 许可发布，可自由使用与二次开发。
• 项目已支持 LoRA 微调（demos/fine_tuner/README.md），也需要 FFMPEG 环境。