قم ضبط نماذج نشر الصوت والفيديو والصورة متعددة الوسائط بدقة مع تحسينات عميقة لذاكرة وحدة معالجة الرسوميات (GPU).
قم بتدريب نماذج نشر الصوت والوسائط المخصصة باستخدام سير عمل موزع لوحدة معالجة الرسوميات يتسم بكفاءة الذاكرة.
SimpleTuner هو إطار عمل مفتوح المصدر للضبط الدقيق لهندسة نشر الصوت والفيديو والصورة، بما في ذلك نماذج مثل ACE-Step و HeartMuLa. فهو يساعد مطوري الذكاء الاصطناعي ومهندسي الصوت على تدريب الأوزان المخصصة باستخدام DeepSpeed و FSDP2 لتقليل عقبات الأجهزة. يجب عليك استخدامه إذا كنت بحاجة إلى خط أنابيب مرن لتكييف نماذج توليد الوسائط على البنية الأساسية الخاصة بك.
يوفر SimpleTuner محركًا موحدًا واجهة ويب لتدريب وضبط النماذج التوليدية متعددة الوسائط. وهو يتضمن التخزين المؤقت التلقائي للقرص لتضمينات الصوت والنصوص، وربط الجوانب (aspect bucketing)، وتدريب منزلقات المفاهيم (concept slider)، والتنسيق الموزع لوحدات معالجة رسوميات متعددة. بالنسبة للفرق، فإنه يوفر إدارة العمال، وقوائم انتظار الوظائف، والأذونات المستندة إلى الأدوار، والتكامل المباشر لتخزين السحابة عبر S3.
إنه يناسب قادة إنتاج الصوت التقنيين، ومهندسي الذكاء الاصطناعي، والباحثين الذين يريدون تحكماً دقيقاً في تدريب النموذج على مجموعات بيانات صوتية أو مرئية مخصصة. وهو لا يناسب المبدعين غير التقنيين الذين يريدون مشغل استدلال سطح مكتب بسيط أو مولد بنقرة واحدة دون التعامل مع إعدادات وحدة معالجة الرسوميات.
يدعم الضبط الدقيق لننماذج توليد الصوت مثل ACE-Step و HeartMuLa إلى جانب هياكل النشر المرئي.
يدمج DeepSpeed و FSDP2 لتمكين تدريب النماذج الكبيرة على وحدات معالجة رسوميات بسعة 16GB أو 24GB VRAM من خلال تفريغ المعلمات.
يقوم بتخزين تضمينات الصوت والفيديو والصورة والموجهات النصية مؤقتًا مباشرة على القرص المحلي أو S3 لتسريع خطوات التدريب.
يتضمن لوحة خادم مدمجة تتميز بقوائم انتظار الوظائف، وسير عمل الموافقة، والأذونات المستندة إلى الأدوار، وتنسيق العمال.
يقوم ببث مجموعات البيانات وتخزين نقاط التحقق للمخرجات مباشرة باستخدام تخزين سحابي متوافق مع S3 مثل Cloudflare R2 أو Wasabi.
SimpleTuner هو برنامج مجاني ومفتوح المصدر يتم توزيعه بموجب ترخيص AGPL-3.0. لا يقدم القائمون على الصيانة منصة سحابة مدفوعة، لذا فإن نفقاتك الوحيدة هي البنية الأساسية للخادم ذاتي الاستضافة أو وقت الحوسبة السحابية لوحدة معالجة الرسوميات الذي تستخدمه لتشغيل مهام التدريب.
896 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٦ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
يدعم SimpleTuner صراحةً نماذج توليد الصوت مثل ACE-Step (3.5B) و HeartMuLa (3B)، إلى جانب سير عمل نشر الصوت متعدد الوسائط.
نعم، من خلال تمكين تفريغ حالة مُحسِّن DeepSpeed أو FSDP2 وفحص التدرج، يمكن تدريب العديد من الهياكل المدعومة على وحدة معالجة رسوميات واحدة بسعة 16GB أو 24GB VRAM.
يقوم بالتخزين المؤقت المسبق لتضمينات الصوت والنصوص على القرص ويدعم التدريب مباشرة من حاويات S3، مما يمنع اختناقات التخزين المحلي.
شاهد Zekai أولاً في جوجل