NVIDIA и Hugging Face объединяют усилия, чтобы упростить обучение гигантских моделей генерации изображений и видео

Ключевые моменты

• NVIDIA и Hugging Face совместно выпустили NeMo Automodel, бесплатный инструмент обучения с открытым исходным кодом, в июне 2025 года.
• Инструмент поддерживает дообучение моделей, включая FLUX.1-dev (12 миллиардов параметров) и HunyuanVideo (13 миллиардов параметров) — двух из самых способных открытых генераторов изображений и видео.
• Разработчики могут начать обучение прямо из моделей, размещённых на Hugging Face Hub — крупнейшем публичном хранилище моделей ИИ, — без предварительного преобразования файлов в специальный формат.
• Программное обеспечение свободно использовать под лицензией Apache 2.0, что означает, что любой может использовать, изменять и развивать его в коммерческих целях.

Обучение ИИ генерировать изображения в определённом стиле или создавать видео, соответствующие визуальному стилю компании, — это дорогостоящая и технически сложная работа. До сих пор масштабное внедрение обычно означало переписывание программного обеспечения с нуля каждый раз, когда появлялась новая модель.

NVIDIA и Hugging Face хотят это изменить.

Две компании опубликовали NeMo Automodel — библиотеку с открытым исходным кодом, то есть бесплатное программное обеспечение, код которого может изучать и изменять кто угодно, связывающую промышленное оборудование для обучения NVIDIA с библиотекой Hugging Face Diffusers. Diffusers — это наиболее широко используемый набор инструментов для работы с диффузионными моделями, классом ИИ, который генерирует изображения и видео путём постепенного преобразования случайного шума в готовую картину.

Проще говоря: разработчик, который хочет обучить FLUX.1-dev, один из лучших общедоступных генераторов текста в изображение, рисовать в стиле винтажных карт таро, может теперь сделать это без написания специализированного кода. Он просто указывает инструменту на свой набор данных, выбирает файл конфигурации и запускает его.

Что это действительно меняет для людей, разрабатывающих инструменты ИИ?

До этого выпуска перемещение модели из библиотеки Hugging Face в систему обучения часто требовало преобразования сохранённых весов модели — численных значений, которые выучил ИИ, — в другой формат файла, обучения, а затем обратного преобразования. NeMo Automodel полностью пропускает этот этап. Дообученная модель, которая была дополнительно обучена на новых примерах для специализации своих навыков, загружается прямо обратно в стандартные инструменты сразу после завершения обучения.

Инструмент также автоматически масштабируется. Небольшая команда с одной мощной машиной и большая группа исследователей с сотнями GPU, специализированных чипов, выполняющих интенсивные вычисления, необходимые ИИ, могут использовать одни и те же файлы конфигурации. Переключение между различными способами распределения модели на несколько чипов — это просто изменение параметров, а не кодовый проект.

Для разработчиков с ограниченным оборудованием инструмент поддерживает LoRA, метод, который дообучает только небольшую часть значений модели, а не все, что значительно снижает использование памяти при сохранении высокого качества.

Запись в блоге, впервые опубликованная Hugging Face, содержит пошаговый пример: дообучение FLUX.1-dev на 78 находящихся в открытом доступе изображениях карт таро. Весь процесс обучения занимает 200 шагов и создаёт модель, которая по требованию генерирует изображения в стиле таро.

Поддерживаемые модели при запуске включают FLUX.1-dev для изображений и Wan 2.1 и HunyuanVideo для генерации видео.

Для большинства обычных пользователей это напрямую ничего не меняет сегодня. На это влияет разработчики и исследователи, которые создают инструменты для изображений, творческие приложения и бизнес-программное обеспечение, которое в конечном итоге используют обычные люди. Лучшие и более дешёвые конвейеры обучения обычно означают, что специализированные функции ИИ появляются быстрее и с меньшими затратами.

Программное обеспечение доступно прямо сейчас на GitHub и задокументировано в официальном руководстве обучения Diffusers.