NVIDIA e Hugging Face insieme per rendere l'addestramento di modelli IA giganti di immagini e video molto più facile
Un nuovo strumento open-source permette agli sviluppatori di perfezionare alcuni dei più grandi generatori di immagini e video disponibili, su hardware che va da una singola macchina a centinaia di chip, senza complicate conversioni di file.
Punti chiave
- NVIDIA e Hugging Face hanno rilasciato congiuntamente NeMo Automodel, uno strumento gratuito e open-source per l'addestramento, nel giugno 2025.
- Lo strumento supporta il fine-tuning di modelli tra cui FLUX.1-dev (12 miliardi di parametri) e HunyuanVideo (13 miliardi di parametri), due dei più capaci generatori di immagini e video open disponibili.
- Gli sviluppatori possono iniziare l'addestramento direttamente da modelli ospitati su Hugging Face Hub, il più grande repository pubblico di modelli IA al mondo, senza convertire prima i file in un formato speciale.
- Il software è gratuito da usare secondo la licenza Apache 2.0, il che significa che chiunque può usarlo, modificarlo e svilupparlo commercialmente.
Insegnare a un'IA a generare immagini in uno stile specifico, o a produrre video che corrispondano all'identità visiva aziendale, è un lavoro costoso e tecnicamente impegnativo. Fino ad ora, farlo su larga scala significava tipicamente riscrivere il software da zero ogni volta che arrivava un nuovo modello.
NVIDIA e Hugging Face vogliono cambiare questo.
Le due aziende hanno pubblicato NeMo Automodel, una libreria open-source, cioè software gratuito il cui codice chiunque può ispezionare e modificare, che collega il macchinario di addestramento su scala industriale di NVIDIA alla libreria Hugging Face Diffusers. Diffusers è il toolkit più utilizzato per eseguire modelli di diffusione, la classe di IA che genera immagini e video perfezionando gradualmente il rumore casuale in un'immagine finita.
In parole semplici: uno sviluppatore che vuole insegnare a FLUX.1-dev, uno dei migliori generatori di testo-in-immagine disponibili pubblicamente, a disegnare nello stile dei tarocchi vintage può ora farlo senza toccare alcun codice specializzato. Indica allo strumento il suo dataset, seleziona un file di configurazione e lo esegue.
Cosa cambia effettivamente per le persone che costruiscono strumenti IA?
Prima di questo rilascio, spostare un modello dalla libreria Hugging Face in un sistema di addestramento richiedeva spesso di convertire i pesi salvati del modello, i valori numerici che l'IA ha imparato, in un formato di file diverso, addestrare, quindi riconvertire. NeMo Automodel salta completamente questo passaggio. Un modello fine-tuned, uno che è stato ulteriormente addestrato su nuovi esempi per specializzare le sue capacità, si carica direttamente negli strumenti standard nel momento in cui l'addestramento finisce.
Lo strumento gestisce anche la scalabilità automaticamente. Un piccolo team con una singola macchina potente e un grande gruppo di ricerca con centinaia di GPU, i chip specializzati che fanno il pesante lavoro di calcolo che l'IA richiede, possono entrambi usare gli stessi file di configurazione. Passare tra diversi modi di dividere un modello su molti chip è un cambio di impostazioni, non un progetto di codifica.
Per gli sviluppatori con hardware limitato, lo strumento supporta LoRA, una tecnica che affina solo una piccola frazione dei valori del modello piuttosto che tutti, riducendo drasticamente l'uso della memoria mantenendo alta la qualità.
Il post del blog, pubblicato per la prima volta da Hugging Face, illustra un esempio pratico: il fine-tuning di FLUX.1-dev su 78 immagini di tarocchi di dominio pubblico. L'intera esecuzione dell'addestramento richiede 200 passi e produce un modello che genera immagini in stile tarocchi su richiesta.
I modelli supportati al lancio includono FLUX.1-dev per le immagini e sia Wan 2.1 che HunyuanVideo per la generazione di video.
Per la maggior parte degli utenti ordinari, nulla di questo cambia direttamente oggi. Le persone che questo riguarda sono gli sviluppatori e i ricercatori che costruiscono gli strumenti di immagine, le app creative e il software aziendale che gli utenti ordinari alla fine utilizzano. Pipeline di addestramento migliori e più economiche tendono a significare che più funzioni IA specializzate arrivano più velocemente e a costi inferiori.
Il software è disponibile ora su GitHub ed è documentato nella guida ufficiale di addestramento di Diffusers.
