Ajuste fino de modelos de difusão multi-modal de áudio, vídeo e imagem com otimizações profundas de memória de GPU.
Treine modelos personalizados de difusão de áudio e mídia usando fluxos de trabalho de GPU distribuídos e eficientes em memória.
SimpleTuner é um framework de ajuste fino open-source para arquiteturas de difusão de áudio, vídeo e imagem, incluindo modelos como ACE-Step e HeartMuLa. Ele ajuda desenvolvedores de IA e engenheiros de áudio a treinar pesos personalizados usando DeepSpeed e FSDP2 para reduzir barreiras de hardware. Você deve usá-lo se precisar de um pipeline flexível para adaptar modelos de geração de mídia em sua própria infraestrutura.
SimpleTuner fornece um motor unificado e interface web para treinar e ajustar modelos gerativos multi-modais. Ele inclui cache de disco automatizado para embeddings de áudio e texto, agrupamento por proporção (aspect bucketing), treinamento de controles deslizantes de conceito e orquestração distribuída multi-GPU. Para equipes, ele oferece gerenciamento de trabalhadores, filas de trabalhos, permissões baseadas em funções e integração direta com armazenamento em nuvem S3.
É adequado para líderes técnicos de produção de áudio, engenheiros de IA e pesquisadores que desejam controle preciso sobre o treinamento de modelos em datasets personalizados de áudio ou visuais. Não é adequado para criadores não técnicos que desejam um player de inferência de desktop simples ou gerador de um clique sem lidar com configurações de GPU.
Suporta o ajuste fino de modelos gerativos de áudio, como ACE-Step e HeartMuLa, juntamente com arquiteturas de difusão visual.
Integra DeepSpeed e FSDP2 para permitir o treinamento de modelos grandes em GPUs de 16GB ou 24GB de VRAM por meio de descarregamento de parâmetros.
Faz cache de embeddings de áudio, vídeo, imagem e prompts de texto diretamente no disco local ou S3 para acelerar as etapas de treinamento.
Inclui um painel de servidor integrado com filas de trabalhos, fluxos de trabalho de aprovação, permissões baseadas em funções e orquestração de trabalhadores.
Faz o streaming de datasets e armazena checkpoints de saída diretamente usando armazenamento em nuvem compatível com S3, como Cloudflare R2 ou Wasabi.
SimpleTuner é um software livre e open-source distribuído sob a licença AGPL-3.0. Os mantenedores não oferecem uma plataforma em nuvem paga, então sua única despesa é a infraestrutura de servidor self-hosted ou o tempo de computação de GPU em nuvem que você usa para executar os trabalhos de treinamento.
896 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 10 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
O SimpleTuner suporta explicitamente modelos gerativos de áudio como ACE-Step (3.5B) e HeartMuLa (3B), além de fluxos de trabalho de difusão de áudio multi-modais.
Sim, habilitando o descarregamento de estado do otimizador DeepSpeed ou FSDP2 e o checkpoint de gradiente, muitas arquiteturas suportadas podem ser treinadas em uma única GPU de 16GB ou 24GB de VRAM.
Ele faz o pré-cache de embeddings de áudio e texto no disco e suporta treinamento diretamente de buckets S3, evitando gargalos de armazenamento local.
Veja o Zekai primeiro no Google