bghira/SimpleTuner
A general fine-tuning kit geared toward image/video/audio diffusion models.
What it solves
SimpleTuner 簡化了微調大型生成式 AI 模型的流程。它提供一個統一且易於使用的框架，讓使用者能訓練圖像、影片與音訊模型，減少繁雜的手動設定與調校，同時支援大量現代模型架構。
How it works
SimpleTuner 作為一個完整的訓練管線，支援多種微調方法，包括 LoRA、LyCORIS 與全秩訓練。它整合了 DeepSpeed 與 FSDP2 等先進的記憶體最佳化工具，使大型模型能在消費級硬體（最低 16GB VRAM）上訓練。專案內含用於生命週期管理的 Web UI 與供進階使用者使用的 CLI。另有自動快取嵌入向量功能，並與 CaptionFlow 整合以進行資料集標註。
Who it’s for
此工具設計給研究人員、AI 藝術家與開發者，讓他們在不必深入底層程式碼的情況下微調生成模型，同時也適用於需要多使用者協調、角色基礎存取控制與工作排程的企業團隊。
Highlights
- Broad Model Support: Compatible with a massive range of architectures including Flux.1/2, Stable Diffusion XL/3, Wan Video, and LTX Video.
- Multi-Modal Capability: A single pipeline for training image, video, and audio generative models.
- Enterprise-Grade Infrastructure: Includes worker orchestration, SSO integration, and quota management for team-based training.
- Memory Efficiency: Supports quantization (int8/fp8/nf4) and gradient checkpointing to lower hardware barriers.
- Advanced Techniques: Implements TREAD (token-wise dropout), masked loss training, and AnyFlow distillation.