Hugging Face、Modular Diffusersフレームワークをリリース
Hugging Faceが、拡散パイプラインを構成可能なブロックに分解するフレームワーク「Modular Diffusers」を発表。このシステムでは、カスタムブロックの作成や、テキストエンコーディングやデノイジングといったコンポーネントの独立した実行が可能で、ビジュアルインターフェース「Mellon」と統合されている。コミュニティは、この新アーキテクチャを用いた14Bパラメータのリアルタイム動画モデルと2.3Bのワールドモデルをリリースした。
Hugging Faceは、テキストエンコーディング、画像エンコーディング、ノイズ除去、デコーディングのための柔軟で構成可能なブロックに拡散パイプラインを分離するフレームワークである**Modular Diffusers**をリリースした。ユーザーは `.init_pipeline()` を介してブロックを独立して検査、実行、または交換することができ、新しい `ModularPipeline` クラスを使用してHubを介してカスタムブロックを共有することができる。リリースには、ノードベースのビジュアルワークフローエディタであるMellonとの統合が含まれている。
早期導入者は、フレームワークを使用して 'Krea Realtime Video'（Wan 2.1から蒸留された14Bパラメータモデルで、11fpsを達成）や 'Waypoint-1'（2.3Bパラメータのリアルタイムワールドモデル）などの複雑なパイプラインをリリースしている。