Asistente de guiones▸ 
Apps AI 
Noticias AI Pusa: modelo de difusión de vídeo de código abierto basado en Mochi con soporte para texto, imagen y vídeo a vídeo
小编 ·
Pusa: modelo de difusión de vídeo de código abierto basado en Mochi con soporte para texto, imagen y vídeo a vídeo
¿Qué es Pusa?
Pusa es un nuevo modelo de generación de vídeo con ia publicado por Raphael Liu en abril de 2025. Su innovación principal reside en redefinir el modelado temporal en la difusión de vídeo mediante un nuevo paradigma de difusión con control de ruido a nivel de fotograma. El modelo Pusa admite múltiples tareas de generación, como texto a vídeo, imagen a vídeo y vídeo a vídeo, manteniendo la fidelidad del movimiento y el seguimiento de las indicaciones, con un bajo coste y un alto rendimiento.
Características del modelo Pusa
Control de ruido a nivel de fotograma y pasos de tiempo vectorizados: Pusa introduce el control de ruido a nivel de fotograma y pasos de tiempo vectorizados, una innovación propuesta originalmente en el artículo FVDM. En comparación con los métodos tradicionales, el número de pasos de tiempo en Pusa aumenta desde los 1000 tradicionales hasta varios miles, lo que mejora enormemente la flexibilidad y escalabilidad del modelo. Este control de ruido a nivel de fotograma permite a Pusa gestionar con mayor precisión el contenido de cada fotograma durante el proceso de generación de vídeo, logrando así resultados de mayor calidad.
Modificaciones no destructivas: la adaptación de Pusa al modelo base preserva sus capacidades originales de generación de vídeo a partir de texto. Mediante un ajuste ligero, Pusa puede adaptarse a múltiples tareas de generación de vídeo sin necesidad de realizar modificaciones a gran escala en el modelo base. Esta modificación no destructiva no solo ahorra tiempo y costes de desarrollo, sino que también garantiza la estabilidad y fiabilidad del modelo.
Aplicabilidad universal: el método no solo es aplicable al modelo Mochi, sino que también puede integrarse fácilmente en otros modelos líderes de difusión de vídeo, como Hunyuan Video y Wan2.1, entre otros.
Arquitectura del modelo Pusa
Control de ruido a nivel de fotograma: Pusa implementa el control de ruido a nivel de fotograma y pasos de tiempo vectorizados, ofreciendo una flexibilidad y escalabilidad sin precedentes.
Modificaciones no destructivas: las modificaciones realizadas sobre el modelo base preservan sus capacidades originales de generación de vídeo a partir de texto, requiriendo únicamente un ajuste ligero.
Aplicabilidad universal: el método puede integrarse fácilmente en otros modelos líderes de difusión de vídeo, como Hunyuan Video y Wan2.1, entre otros.
Escenarios de aplicación de Pusa
Adecuado para la producción de efectos visuales en cine y televisión, la generación de creatividades publicitarias y la producción personalizada de contenidos en vídeo.
Permite la simulación de escenas complejas combinando entradas multimodales (como texto + imagen), lo que mejora la generación de vídeo.
Instalación y uso de Pusa
Instalación:
git clone https://github.com/genmoai/models cd models pip install uv uv venv .venv source .venv/bin/activate uv pip install setuptools uv pip install -e . --no-build-isolation
Si necesitas instalar Flash Attention, puedes usar:
uv pip install -e .[flash] --no-build-isolation
Descarga de pesos:
Usando la CLI de Hugging Face:
pip install huggingface_hub huggingface-cli download RaphaelLiu/Pusa-V0.5 --local-dir
O descárgalos directamente desde Hugging Face a tu equipo local.
Uso básico:
Generación de texto a vídeo:
python ./demos/cli_test_ti2v_release.py \ --model_dir "/path/to/Pusa-V0.5" \ --dit_path "/path/to/Pusa-V0.5/pusa_v0_dit.safetensors" \ --prompt "A man is playing basketball" \ --num_steps 30
Generación de imagen a vídeo:
python ./demos/cli_test_ti2v_release.py \ --model_dir "/path/to/Pusa-V0.5" \ --dit_path "/path/to/Pusa-V0.5/pusa_v0_dit.safetensors" \ --prompt "Your_prompt_here" \ --image_dir "/path/to/input/image.jpg" \ --cond_position 1 \ --num_steps 30
Entrenamiento:
Se proporcionan el código completo de entrenamiento de Pusa y la información detallada, lo que permite entrenar el modelo original.
Repositorio de código:https://github.com/Yaofang-Liu/Pusa-VidGen
HuggingFace:https://huggingface.co/RaphaelLiu/Pusa-V0.5
