9 मार्च, 2025, कैलिफ़ोर्निया, संयुक्त राज्य अमेरिका—ओपन-सोर्स मॉडल पाठ से वीडियो तकनीक को और अधिक रोमांचक बना रहे हैं। AI डेवलपर Ostris (@ostrisai) ने हाल ही में X प्लेटफ़ॉर्म पर अपनी तस्वीरों से प्रशिक्षित Wan2.1LoRA मॉडल के परिणाम साझा किए, केवल लगभग 20 तस्वीरों और एक घरेलू RTX4090 ग्राफ़िक्स कार्ड के साथ, उन्होंने वीडियो निर्माण का आश्चर्यजनक परिणाम प्राप्त किया। इस उपलब्धि ने न केवल ओपन-सोर्स तकनीक की क्षमता को प्रदर्शित किया, बल्कि X समुदाय में वीडियो LoRA प्रशिक्षण पर भी चर्चा छेड़ दी।

बाइटडांस ने हाल ही में एआईब्रिक्स लॉन्च किया है, जो एक नया ओपन-सोर्स इन्फ्रेंस सिस्टम है जो बड़े भाषा मॉडल के लिए डिज़ाइन किया गया है। यह सिस्टम उच्च प्रदर्शन और स्केलेबिलिटी प्रदान करता है, जिससे बड़े भाषा मॉडल को और अधिक कुशलता से तैनात किया जा सकता है।

पारंपरिक बड़े भाषा मॉडल (LLM) के सूक्ष्म समायोजन विधियाँ आम तौर पर संसाधन-गहन होती हैं, और विविध कार्यों को संभालने में स्थिरता दिखाती हैं। इन चुनौतियों का समाधान करने के लिए, साकाना एआई ने एक नए प्रकार के अनुकूली ढांचे का परिचय दिया है, जिसका नाम Transformer² है। Transformer² तर्क के दौरान LLM के वजन को वास्तविक समय में समायोजित करने में सक्षम है, जिससे यह अज्ञात कार्यों के अनुकूलन में ऑक्टोपस की तरह लचीला हो जाता है। Transformer² का मूल एक दो-चरणीय तंत्र में है: पहले चरण में, एक शेड्यूलिंग सिस्टम

हाल ही में, ग्लिफ फिर से एक सफल उत्पाद लेकर आया है। यह In-Context LoRA पर आधारित ब्लैक टेक्नोलॉजी किसी भी लोगो को अविश्वसनीय रूप से आकर्षक सहायक डिज़ाइन में आसानी से बदल सकती है, जिसका प्रभाव इतना शानदार है कि कुछ नमूना वेबसाइटों पर भी दबाव महसूस हो रहा है। यह परिवर्तनकारी AI डिज़ाइन प्रक्रिया मुख्य रूप से तीन प्रमुख चरणों में विभाजित है: चित्रण विवरण प्राप्त करना, टोकन का उत्पादन और AI चित्रण। आइए हम इस अभिनव डिज़ाइन विधि का विस्तार से विश्लेषण करें। पहला चरण: लोगो चित्र की विशेषताओं को सटीक रूप से पकड़ना विशेष रूप से डिज़ाइन किए गए संकेतों के माध्यम से।

TryOn Labs द्वारा विकसित FLUX.1-dev LoRA कपड़ा जनरेटर, उन्नत कृत्रिम बुद्धिमत्ता तकनीक का उपयोग करके उपयोगकर्ताओं को अविस्मरणीय फैशन डिज़ाइन अनुभव प्रदान करता है। केवल कपड़े के रंग, पैटर्न, सामग्री, शैली आदि जैसे विवरणों का पाठ के माध्यम से इनपुट करें, और त्वरित रूप से संबंधित कपड़ा डिज़ाइन चित्र उत्पन्न करें। FLUX.1-dev LoRA मॉडल की ताकत इसकी लचीली इनपुट प्रारूप और समृद्ध फैशन ज्ञान आधार में निहित है। उपयोगकर्ता अपनी रचनात्मकता को पूरी तरह से व्यक्त कर सकते हैं, अपने आदर्श कपड़े का वर्णन कर सकते हैं।

अलीबाबा के टोंग यी प्रयोगशाला के नवीनतम शोध से पता चलता है कि मौजूदा टेक्स्ट-टू-इमेज डिफ्यूजन ट्रांसफार्मर मॉडल वास्तव में विशिष्ट संबंध वाली छवियों की एक से अधिक उत्पादन करने की क्षमता रखता है। इसे केवल थोड़ी "संकेत" देने की आवश्यकता है जिससे यह "समग्रता" में बदल सकता है और उच्च गुणवत्ता वाले मल्टी-इमेज संग्रह उत्पन्न कर सकता है। पारंपरिक डिफ्यूजन मॉडल अधिकतर "याददाश्त में खोया हुआ" छात्रों की तरह होता है, जिसे उच्च गुणवत्ता वाली छवियों को उत्पन्न करने के लिए विशाल डेटा के साथ प्रशिक्षित किया जाना चाहिए। जबकि IC-LoRA के सहयोग से, यह "संबंधित विषयों का गहन ज्ञान" रखने वाले छात्र में बदल जाता है।

हाल ही में, बाइटडांस ने "लुमी Lumi" नामक AI मॉडल साझा करने वाले एक समुदाय को चुपचाप लॉन्च किया है, जो मॉडल साझा करने, वर्कफ़्लो बनाने और LoRA प्रशिक्षण जैसे कई कार्यों का एकीकरण करता है, हालांकि यह प्लेटफ़ॉर्म अभी आंतरिक परीक्षण चरण में है। उत्पाद का प्रवेश द्वार: https://top.aibase.com/tool/lumilumi लुमी Lumi की मुख्य विशेषताएँ मॉडल साझा करने और प्रबंधन कार्य हैं। उपयोगकर्ता आसानी से अपने द्वारा विकसित AI मॉडल को अपलोड कर सकते हैं।

हाल ही में, अली मामा की क्रिएटिव टीम ने FLUX.1-Turbo-Alpha लॉन्च किया, जो FLUX.1-dev मॉडल प्रशिक्षण पर आधारित 8 चरणों में डिस्टिल्ड Lora मॉडल है। इस मॉडल ने मल्टीहेड डिस्क्रिमिनेटर का उपयोग किया है, जिसने डिस्टिलेशन की गुणवत्ता में महत्वपूर्ण वृद्धि की है, और यह पाठ से चित्र निर्माण, संशोधन नियंत्रण नेटवर्क जैसे विभिन्न FLUX संबंधित अनुप्रयोगों का समर्थन करता है। टीम ने सिफारिश की है कि उपयोग करते समय गाइड स्केल को 3.5 सेट किया जाए, Lora स्केल 1 पर हो, और भविष्य में और भी कम चरणों का संस्करण लॉन्च किया जाएगा। FLUX.1-Turbo-

हाल ही में, शंघाई जियाओ टोंग यूनिवर्सिटी और हार्वर्ड यूनिवर्सिटी की शोध टीम ने एक नया मॉडल माइक्रो ट्यूनिंग विधि प्रस्तुत की है - LoRA-Dash। यह नई विधि वर्तमान LoRA विधि की तुलना में अधिक कुशल होने का दावा करती है, विशेष रूप से विशिष्ट कार्यों के माइक्रो ट्यूनिंग में, यह 8 से 16 गुना कम पैरामीटर के साथ समान परिणाम प्राप्त कर सकती है। यह उन माइक्रो ट्यूनिंग कार्यों के लिए एक महत्वपूर्ण突破 है, जिन्हें भारी मात्रा में कंप्यूटिंग संसाधनों की आवश्यकता होती है। बड़े पैमाने पर भाषा मॉडल के तेज विकास के संदर्भ में, विशिष्ट कार्यों के लिए माइक्रो ट्यूनिंग की मांग तेजी से बढ़ रही है।

फ्लक्सजिम एक नए प्रकार का ट्रेनिंग टूल है जो एआई प्रेमियों के लिए डिजाइन किया गया है, जिसका उद्देश्य मॉडल ट्रेनिंग की बाधाओं को कम करना है। इसकी हार्डवेयर की आवश्यकता बेहद कम है, केवल 12जीबी वीडियो मेमोरी के साथ एआई मॉडल ट्रेनिंग संभव है, जिससे भागीदारी का दायरा बहुत बढ़ जाता है। सरल फ्रंट एंड और शक्तिशाली बैक एंड को मिलाकर, फ्लक्सजिम एक आसान इंटरफ़ेस प्रदान करता है, जिसमें उपयोगकर्ताओं को केवल तीन सरल चरणों को पूरा करके ट्रेनिंग प्रक्रिया शुरू करनी होती है। इसकी मुख्य ताकत कम कॉन्फ़िगरेशन वाले उपकरणों के समर्थन, सरल यूजर इंटरफ़ेस और सुचारू ट्रेनिंग प्रक्रिया में है, ताकि एआई के नए उपयोगकर्ता भी जल्दी से इसे अपनाएं।

FLUX.1-dev-LoRA एक अभिनव छवि जनरेशन मॉडल है, जो वास्तविकता और चित्रण तत्वों को मिलाकर अनूठी दृश्य प्रभाव उत्पन्न करने में विशेषज्ञ है। FLUX.1-dev पर प्रशिक्षित, यह अग्रभूमि के पात्रों को चित्रण शैली में चित्रित करता है, जबकि पृष्ठभूमि को वास्तविकता में बनाए रखता है, और यह सामाजिक मंचों पर रचनात्मक छवियों के उत्पादन के लिए उपयुक्त है। उपयोगकर्ता दृश्य वर्णन और पात्रों की क्रिया के संकेत प्रदान करके अपनी आवश्यकताओं के अनुरूप छवियाँ उत्पन्न कर सकते हैं। आधिकारिक संकेत शब्द उदाहरण यह प्रदर्शित करते हैं कि विशेष कला शैली एकीकरण को प्राप्त करने के लिए किस प्रकार विवरण दिया जाना चाहिए। ऑनलाइन अनुभव और मॉडल डाउनलोड लिंक उपलब्ध हैं।

बाइटडान्स द्वारा ओपन-सोर्स FLUX Dev के Hyper SD Lora, अपनी प्रभावी चित्र निर्माण क्षमताओं के साथ, AI चित्रण की गति में क्रांति लाने में सक्षम है, पारंपरिक रूप से चरणों की संख्या और समय की अवधि को 8 या 16 चरणों तक सीमित कर दिया। यह कदम न केवल रचनात्मकता के कार्यान्वयन के लिए एक त्वरित मार्ग प्रदान करता है, बल्कि Huggingface पर एक प्रदर्शन स्थान भी स्थापित करता है, जिससे उपयोगकर्ता 8 चरणों के Lora चित्रण प्रभाव का प्रत्यक्ष अनुभव प्राप्त कर सकें। हालांकि चित्र की गुणवत्ता में कुछ हानि होती है, लेकिन अधिकांश उपयोगकर्ताओं के लिए इसका प्रभाव नगण्य होता है। तुलना के उदाहरणों से स्पष्ट होता है कि बिना बढ़ाए जाने पर नुकसान अदृश्य है।

Flux.1 पर आधारित LoRA मॉडल Half_illustration एक नवोन्मेषी चित्र प्रसंस्करण उपकरण है, जो साधारण तस्वीरों को फोटोग्राफी और चित्रण तत्वों के साथ कला कार्यों में परिवर्तित करता है। उपयोगकर्ता केवल एक दृश्य का वर्णन करें या विशिष्ट निर्देश जोड़ें (जैसे 'TOK की शैली में'), मॉडल वास्तविक और स्वप्निल, दृश्य प्रभाव से भरपूर कलात्मक कार्य उत्पन्न कर सकता है। यह उपकरण विशेष शैली के फैशन फोटोग्राफी, कला निर्माण, विज्ञापन डिजाइन आदि सहित व्यापक रचनात्मक दृश्यों का समर्थन करता है, और विभिन्न उपयोगों के लिए उपयुक्त है।

FLUX ऑनलाइन संस्करण fal.ai चित्रण प्रेमियों के लिए एक क्रांतिकारी अनुभव लाता है, जिसमें ControlNet और LoRA सुविधाएँ जोड़ी गई हैं, जो बिना जटिल कॉन्फ़िगरेशन के उपयोग के लिए तैयार हैं। ControlNet चित्रों में पात्रों की भावनाओं को संशोधित करने या दृश्य में वस्तुओं को नियंत्रित करना सरल बनाता है; LoRA मॉडल ऑनलाइन प्रशिक्षण सुविधा, उपयोगकर्ताओं को अपने स्वयं के मॉडल को अनुकूलित करने और साझा करने की अनुमति देती है, सृजनात्मकता के संचरण को बढ़ाती है। यह प्लेटफ़ॉर्म तृतीय-पक्ष कार्यात्मकताओं के साथ संयोजन करता है, जिससे चित्रण और अधिक लचीला और व्यक्तिगत हो जाता है, साइबरपंक से लेकर चीनी शैली जैसी विभिन्न शैलियों का समर्थन करता है। FLUX ऑनलाइन संस्करण की उपयोगिता की गहराई से सराहना की गई है।

Tencent's latest upgraded Hunyuan text-to-image large model (Hunyuan DiT) version 1.2 is compatible with Onijza, LoRA, ControlNet, and Kohya plugins in the Diffusers library, significantly lowering the threshold for training personalized image generation models. This upgraded version greatly enhances image quality and composition, and the Hunyuan Captioner model, which supports bilingual descriptions in Chinese and English, understands Chinese semantics more accurately, generating structured, complete, and accurate image descriptions. The open sourcing of the Hunyuan Captioner model allows.

वेमोंग समूह ने 25 जून को WAI Pro नामक एक एआई एप्लिकेशन उत्पाद लॉन्च करने की घोषणा की, जो विशेष रूप से व्यवसायिक ग्राहकों के लिए डिज़ाइन किया गया है। यह उत्पाद ब्रांड व्यापारी, 4A विज्ञापन कंपनियों, मार्केटिंग आउटसोर्सिंग टीमों और कंटेंट क्रिएशन टीमों के लिए लक्षित है, जो मार्केटिंग अंतर्दृष्टि, कंटेंट क्रिएशन और व्यावसायिक परामर्श की तीन मुख्य श्रेणियों में एआई तकनीकी सेवाएँ प्रदान करता है।

टेनसेंट हंगयुआन चित्र-सृजन बड़े मॉडल (हंगयुआन DiT मॉडल) ने अपने प्रशिक्षण कोड का पूर्ण ओपन-सोर्स अनावरण किया है, जिसमें LoRA प्लगइन और ControlNet प्लगइन शामिल हैं। LoRA एक तकनीक है जिसका उपयोग बड़े भाषा मॉडलों को समायोजित करने के लिए किया जाता है, जो मौजूदा मॉडल को संशोधित किए बिना या मॉडल के आकार को बढ़ाए बिना, थोड़े डेटा का उपयोग करके विशिष्ट विशेषताओं के साथ मॉडल को प्रशिक्षित कर सकता है।

NVIDIA द्वारा विकसित Tied-Lora तकनीक LoRA विधि के पैरामीटर दक्षता को बढ़ाने के लिए डिज़ाइन की गई है। वजन को बांधने और चयनात्मक प्रशिक्षण के माध्यम से, प्रदर्शन और प्रशिक्षण योग्य पैरामीटर के बीच सबसे अच्छा संतुलन प्राप्त किया जाता है। विभिन्न कार्यों और भाषा मॉडलों पर परीक्षणों से साबित होता है कि Tied-Lora केवल मानक LoRA विधि के 13% पैरामीटर का उपयोग करके तुलनीय प्रदर्शन प्राप्त करता है। यह तकनीक वजन को बांधने और चयनात्मक प्रशिक्षण के माध्यम से LoRA विधि की पैरामीटर दक्षता को महत्वपूर्ण रूप से बढ़ाती है और विभिन्न कार्यों पर उत्कृष्ट प्रदर्शन प्राप्त करती है।