AI Toolkit
A suíte de treinamento tudo-em-um da Ostris para modelos de difusão de imagem, vídeo e áudio, com interface web e linha de comando.
O AI Toolkit é uma suíte de treinamento tudo em um para modelos de difusão, mantida pela Ostris. Segundo o autor, o objetivo é oferecer suporte aos modelos de imagem e vídeo mais recentes em hardware de consumo, e ele funciona tanto pela interface web quanto pela linha de comando. A interface na porta 8675 do localhost inicia, interrompe e monitora os trabalhos de treinamento, e pode ser protegida com um token de autenticação. Os trabalhos continuam rodando mesmo sem a interface.
A lista de modelos compatíveis é longa. O README inclui FLUX.1, FLUX.2 e FLUX.3 Image Klein, Qwen-Image 2.1, Z-Image, Krea 2, HiDream O1, Ideogram 4 em FP8, Ming-Image, MOSS-Image e FIBO 2 para imagens, além de variantes de edição por instrução, Wan 2.1 e 2.2, LTX-2.5 e MiniMax H3 para vídeo, e ACE-Step 1.5 e YuE2 para áudio. Vários desses modelos foram lançados nos últimos meses.
A instalação recomendada é o AI Toolkit Manager integrado, que detecta seu hardware, configura a versão adequada do PyTorch e mantém tudo dentro da pasta. O gerenciador ainda é marcado como experimental, e o script para Mac está rotulado como Apple Silicon, experimental. As instruções manuais exigem uma GPU Nvidia com memória suficiente para o modelo que você treinar.
Bom para
- Treinar LoRAs para novos modelos abertos de imagem e vídeo com uma interface de clicar
- Rodar o mesmo trabalho de treinamento por script em um servidor sem interface gráfica
- Acompanhar modelos que os treinadores mais antigos ainda não suportam
Pontos de atenção
- A instalação manual exige uma GPU Nvidia, e o suporte a Mac pelo gerenciador é experimental
- A necessidade de memória depende do modelo e das configurações, então consulte as notas do README de cada modelo antes de começar
- Respeite a licença do modelo base e dos seus dados de treinamento, porque a licença MIT cobre apenas o toolkit