NVIDIA e Hugging Face unem-se para facilitar o treino de modelos de IA de imagem e vídeo gigantes
Uma nova ferramenta de código aberto permite aos programadores ajustar modelos de alguns dos maiores geradores de imagens e vídeos disponíveis, em hardware que vai desde uma única máquina até centenas de chips, sem conversões de ficheiros complicadas.
Pontos-chave
- NVIDIA e Hugging Face lançaram conjuntamente NeMo Automodel, uma ferramenta de treino gratuita e de código aberto, em junho de 2025.
- A ferramenta suporta ajuste fino de modelos incluindo FLUX.1-dev (12 mil milhões de parâmetros) e HunyuanVideo (13 mil milhões de parâmetros), dois dos mais capazes geradores de imagem e vídeo de código aberto disponíveis.
- Os programadores podem começar o treino diretamente a partir de modelos alojados no Hugging Face Hub, o maior repositório público de modelos de IA do mundo, sem converter ficheiros para um formato especial primeiro.
- O software é gratuito para usar sob a licença Apache 2.0, o que significa que qualquer pessoa pode utilizá-lo, modificá-lo e desenvolver sobre ele comercialmente.
Ensinar uma IA a gerar imagens num estilo específico, ou a produzir vídeos que correspondam à marca visual de uma empresa, é um trabalho caro e tecnicamente exigente. Até agora, fazê-lo em escala típica significava reescrever software do zero sempre que um novo modelo chegava.
NVIDIA e Hugging Face querem mudar isso.
As duas empresas publicaram NeMo Automodel, uma biblioteca de código aberto, ou seja, software gratuito cujo código qualquer pessoa pode inspecionar e modificar, que conecta a maquinaria de treino em escala industrial da NVIDIA à biblioteca Hugging Face Diffusers. Diffusers é o toolkit mais amplamente utilizado para executar modelos de difusão, a classe de IA que gera imagens e vídeo refinando gradualmente ruído aleatório numa imagem acabada.
Em termos simples: um programador que queira ensinar FLUX.1-dev, um dos melhores geradores de texto para imagem disponíveis publicamente, a desenhar no estilo de cartas de tarô vintage pode agora fazer isso sem tocar em nenhum código especializado. Aponta a ferramenta para o seu conjunto de dados, escolhe um ficheiro de configuração, e executa-a.
O que é que isto realmente muda para as pessoas que constroem ferramentas de IA?
Antes deste lançamento, mover um modelo da biblioteca Hugging Face para um sistema de treino muitas vezes exigia converter os pesos guardados do modelo, os valores numéricos que a IA aprendeu, para um formato de ficheiro diferente, treino, depois converter novamente. NeMo Automodel salta isto completamente. Um modelo ajustado finamente, um que foi treinado ainda mais em novos exemplos para especializar as suas competências, carrega diretamente em ferramentas padrão no momento em que o treino termina.
A ferramenta também processa a escala automaticamente. Uma pequena equipa com uma máquina poderosa e um grande grupo de pesquisa com centenas de GPUs, os chips especializados que fazem o trabalho pesado de cálculo que a IA necessita, podem ambos usar os mesmos ficheiros de configuração. Passar entre diferentes formas de dividir um modelo por muitos chips é uma mudança de configurações, não um projeto de codificação.
Para programadores com hardware limitado, a ferramenta suporta LoRA, uma técnica que ajusta finamente apenas uma pequena fração dos valores de um modelo em vez de todos eles, reduzindo drasticamente o uso de memória mantendo a qualidade elevada.
O artigo de blogue, publicado pela primeira vez pela Hugging Face, apresenta um exemplo prático: ajuste fino de FLUX.1-dev em 78 imagens de cartas de tarô de domínio público. Todo o treino leva 200 passos e produz um modelo que gera imagens no estilo de tarô a pedido.
Os modelos suportados no lançamento incluem FLUX.1-dev para imagens e tanto Wan 2.1 como HunyuanVideo para geração de vídeo.
Para a maioria dos utilizadores comuns, nada disto muda nada diretamente hoje. As pessoas que isto afeta são os programadores e investigadores que constroem as ferramentas de imagem, aplicações criativas e software comercial que as pessoas comuns eventualmente utilizam. Melhores e mais baratas pipelines de treino tendem a significar mais funcionalidades de IA especializadas chegando mais rápido e com menor custo.
O software está disponível agora no GitHub e está documentado no guia de treino oficial do Diffusers.
