shootthesound/Fizgig

해결하는 문제

Fizgig는 특정 AI 이미지 및 비디오 생성기용 저랭크 적응(LoRA) 모델을 훈련하고 개선하기 위한 포괄적인 워크벤치입니다. 일반적으로 발생하는 '과도하게 트레이닝된' 또는 불완전한 LoRA 문제를 해결하기 위해, 전체 재훈련 과정 없이도 수정, 변형, 비교할 수 있는 도구를 제공합니다.

작동 방식

이 소프트웨어는 Flux 2 Klein 9B, Krea 2, MiniMax H3 모델을 지원하는 빠르고 VRAM을 효율적으로 사용하는 트레이너를 제공합니다. 블록 스왑, 양자화(INT8, NF4, 4비트 HQQ), 가중치 평균(EMA) 등의 기술을 활용해 8GB에서 16GB의 소비자용 GPU에서도 훈련이 가능합니다. 훈련 외에도 후처리 도구가 포함된 '워크벤치' 기능을 제공합니다:

• Repair Studio: 슬라이더를 사용해 LoRA를 블록 단위로 조정하여 정체성 또는 스타일 문제를 수정할 수 있습니다.
• LoRA the Explorer: 진화적 변이를 사용해 새로운 LoRA 변형을 탐색합니다.
• LoRA Royale: 동일한 시드로 여러 에포크를 렌더링하여 크로스페이딩으로 최적의 버전을 찾습니다.
• Profiler: HTML 리포트를 생성해 어떤 블록이 스타일이나 정체성을 담당하는지 식별합니다.
• Extract: 효율성을 높이기 위해 LoRA를 낮은 랭크로 추출합니다.

대상 사용자

사진, 비디오, 음성, 목소리에 모델을 편집하고 싶은 AI 아티스트 및 개발자로, 프로급 하드웨어의 부담 없이 최종 출력에 정밀한 제어를 원하는 사람들을 대상으로 합니다.

주요 특징

• 낮은 VRAM 요구사항: 8GB~16GB 소비자용 GPU에서 최대 33B 파라미터의 대규모 모델을 훈련 가능.
• 훈련 후 수술: 재훈련 없이 블록 단위로 손상된 LoRA를 수정 가능.
• 다중 모달 지원: MiniMax H3는 이미지, 비디오 클립, 오디오/목소리 녹음 훈련을 지원합니다.
• 데이터셋 큐레이션: Krea 2의 실험적 기능으로 문제 있는 이미지를 탐지하고, 실행 중에 고정된 이미지의 캡션을 자동으로 재작성합니다.
• 완전한 편집: 기반 모델 자체를 훈련한 후 결과를 공유 가능한 LoRA로 축소 가능.