NVIDIA y Hugging Face se asocian para simplificar el entrenamiento de modelos gigantes de IA de imágenes y video
Una nueva herramienta de código abierto permite a los desarrolladores ajustar algunos de los generadores de imágenes y video más grandes disponibles, en hardware que va desde una sola máquina 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 FLUX.1-dev (12 mil millones de parámetros) y HunyuanVideo (13 mil millones de parámetros), dos de los generadores de imágenes y video abiertos más capaces disponibles.
- Los desarrolladores pueden comenzar el entrenamiento directamente desde modelos alojados en el Hub de Hugging Face sin convertir primero los archivos a un formato especial.
- El software es gratuito bajo la licencia Apache 2.0, lo que significa que cualquiera puede usarlo comercialmente o construir sobre él.
Enseñar a una IA a generar imágenes en un estilo específico es un trabajo costoso y técnicamente exigente. Hasta ahora, hacerlo a escala típicamente 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 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 video refinando gradualmente ruido aleatorio hasta una imagen terminada.
En términos simples: un desarrollador que desea 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 antiguas, puede hacerlo ahora sin tocar código especializado alguno. Apunta la herramienta a un conjunto de datos, elige un archivo de configuración, y ejecútalo.
¿Qué cambia 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, luego convertir de vuelta después del entrenamiento. NeMo Automodel salta esto completamente. Un modelo ajustado se carga directamente en herramientas estándar tan pronto como termina el entrenamiento.
La escala también se maneja automáticamente. Un equipo pequeño con una máquina potente y un gran grupo de investigación con cientos de GPUs, los chips especializados que hacen el trabajo pesado de cálculo numérico que la IA necesita, 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 solo una pequeña fracción de los valores de un modelo en lugar de todos ellos, reduciendo drásticamente el uso de memoria mientras mantiene la calidad alta.
El anuncio presenta un ejemplo trabajado: ajuste fino de FLUX.1-dev en 78 imágenes de cartas de tarot de dominio público. El entrenamiento se ejecuta durante 200 pasos y produce un modelo que genera imágenes de estilo tarot bajo demanda. Es deliberadamente un conjunto de datos modesto, que es el punto: el mismo flujo de trabajo se escala sin reescribir nada.
Los modelos admitidos al lanzamiento incluyen FLUX.1-dev para imágenes y tanto Wan 2.1 como HunyuanVideo para generación de video. Nuestro análisis anterior del enfoque de una sola capa de Apple para entrenamiento de generación de imágenes del 15 de julio mostró un ángulo diferente sobre la misma presión: investigadores de toda la industria están compitiendo para hacer el ajuste fino más barato y rápido.
Para la mayoría de usuarios ordinarios, esto no cambia nada directamente hoy. Las personas a las que afecta son desarrolladores que construyen herramientas de imágenes y aplicaciones creativas que eventualmente usan las personas ordinarias. Los mejores y más baratos conductos de entrenamiento tienden a significar que características de IA más especializadas llegan más rápido y a menor costo. Esa es la apuesta real aquí: infraestructura estándar que baja el piso sin limitar el techo.
El software está disponible ahora en GitHub y está documentado en la guía oficial de entrenamiento de Diffusers.
