NeMo Automodel của NVIDIA hiện đã tinh chỉnh được các mô hình video và hình ảnh của Diffusers
NeMo Automodel hỗ trợ FLUX.1, Qwen-Image, Wan và HunyuanVideo, chạy tinh chỉnh toàn bộ và tinh chỉnh LoRA trực tiếp từ các checkpoint của Hugging Face mà không cần chuyển đổi.
- FLUX.1-dev (12B) đạt tốc độ 35.51 hình ảnh mỗi giây khi tinh chỉnh toàn bộ trên 8 GPU H100.
- Qwen-Image, mô hình 20B, đạt 41.21 hình ảnh mỗi giây với cùng quy trình tinh chỉnh toàn bộ.
- FLUX.2-dev (32B) và mô hình video 27B của Wan 2.2 đều có công thức LoRA ở hạng 64.
Vì sao quan trọng: Việc tinh chỉnh một mô hình 32 tỷ tham số vẫn đồng nghĩa với việc phải thuê phần cứng của chính NVIDIA để thực hiện.
Hugging Face blog (NVIDIA/Hugging Face teams) ↗ · 17 thg 7, 202617/7/26