NVIDIA y Hugging Face se asocian para facilitar el entrenamiento de modelos gigantes de IA de imágenes y vídeo
Una nueva herramienta de código abierto permite a los desarrolladores ajustar algunos de los generadores de imágenes y vídeos más grandes disponibles, en hardware que va desde una máquina individual hasta cientos de chips, sin conversiones de archivos complicadas.
Puntos clave
- NVIDIA y Hugging Face lanzaron conjuntamente NeMo Automodel, una herramienta de entrenamiento gratuita y de código abierto, en junio de 2025.
- La herramienta admite el ajuste fino de modelos como FLUX.1-dev (12 mil millones de parámetros) y HunyuanVideo (13 mil millones de parámetros), dos de los generadores de imágenes y vídeos abiertos más capaces disponibles.
- Los desarrolladores pueden comenzar el entrenamiento directamente desde modelos alojados en Hugging Face Hub, el repositorio público más grande de modelos de IA del mundo, sin necesidad de convertir archivos a un formato especial primero.
- El software es gratuito bajo la licencia Apache 2.0, lo que significa que cualquiera puede usarlo, modificarlo y desarrollarlo comercialmente.
Enseñar a una IA a generar imágenes en un estilo específico, o producir vídeos que se ajusten a la marca visual de una empresa, es un trabajo costoso y técnicamente exigente. Hasta ahora, hacerlo a escala generalmente significaba reescribir el software desde cero cada vez que llegaba un nuevo modelo.
NVIDIA y Hugging Face quieren cambiar eso.
Las dos empresas han publicado NeMo Automodel, una biblioteca de código abierto, es decir, software gratuito cuyo código cualquiera puede inspeccionar y cambiar, que conecta la maquinaria de entrenamiento a escala industrial de NVIDIA con la biblioteca Diffusers de Hugging Face. Diffusers es el conjunto de herramientas más utilizado para ejecutar modelos de difusión, la clase de IA que genera imágenes y vídeo refinando gradualmente ruido aleatorio hasta obtener una imagen terminada.
En términos simples: un desarrollador que quiera enseñar a FLUX.1-dev, uno de los mejores generadores de texto a imagen disponibles públicamente, a dibujar en el estilo de cartas de tarot vintage puede hacerlo ahora sin tocar ningún código especializado. Señala la herramienta a su conjunto de datos, elige un archivo de configuración y la ejecuta.
¿Qué cambia esto realmente para las personas que construyen herramientas de IA?
Antes de este lanzamiento, mover un modelo de la biblioteca de Hugging Face a un sistema de entrenamiento a menudo requería convertir los pesos guardados del modelo, los valores numéricos que la IA ha aprendido, a un formato de archivo diferente, entrenar y luego convertir de vuelta. NeMo Automodel omite eso completamente. Un modelo ajustado finamente, que ha sido entrenado adicionalmente en nuevos ejemplos para especializar sus habilidades, se carga directamente en herramientas estándar en el momento en que finaliza el entrenamiento.
La herramienta también maneja la escala automáticamente. Un pequeño equipo con una máquina poderosa y un gran grupo de investigación con cientos de GPU, los chips especializados que realizan los cálculos pesados que necesita la IA, pueden usar los mismos archivos de configuración. Cambiar entre diferentes formas de dividir un modelo entre muchos chips es un cambio de configuración, no un proyecto de codificación.
Para desarrolladores con hardware limitado, la herramienta admite LoRA, una técnica que ajusta finamente solo una pequeña fracción de los valores de un modelo en lugar de todos, reduciendo significativamente el uso de memoria mientras se mantiene una alta calidad.
La entrada del blog, publicada originalmente por Hugging Face, presenta un ejemplo práctico: ajuste fino de FLUX.1-dev en 78 imágenes de cartas de tarot de dominio público. Toda la ejecución de entrenamiento toma 200 pasos y produce un modelo que genera imágenes al estilo de tarot bajo demanda.
Los modelos admitidos en el lanzamiento incluyen FLUX.1-dev para imágenes y Wan 2.1 y HunyuanVideo para generación de vídeo.
Para la mayoría de usuarios ordinarios, nada de esto cambia nada directamente hoy. Las personas a las que afecta son los desarrolladores e investigadores que construyen las herramientas de imagen, aplicaciones creativas y software empresarial que los usuarios ordinarios eventualmente usan. Los canales de entrenamiento mejores y más económicos tienden a significar que características de IA más especializadas lleguen más rápido y a menor costo.
El software está disponible ahora en GitHub y está documentado en la guía oficial de entrenamiento de Diffusers.
