PaddleMIX是基于飞桨的跨模态大模型开发套件，聚合图像、文本、视频等多种模态，覆盖视觉语言预训练，文生图，文生视频等丰富的跨模态任务。提供开箱即用的开发体验，同时满足开发者灵活定制需求，探索通用人工智能。
2024.04.17 发布 PPDiffusers v0.24.0
- PPDiffusers发布 v0.24.0 版本，支持DiT等Sora相关技术，支持SVD等多款视频生成模型
2023.10.7 发布 PaddleMIX v1.0
- 新增图文预训练模型分布式训练能力，BLIP-2支持千亿规模训练
- 新增跨模态应用流水线AppFlow，一键支持自动标注，图像编辑，音生图等11种跨模态应用
- PPDiffusers发布 0.19.3 版本，新增SDXL及相关任务
2023.7.31 发布 PaddleMIX v0.1
- 首次发布PaddleMIX跨模态大模型开发套件，融合PPDiffusers多模态扩散模型工具箱，广泛支持PaddleNLP大语言模型
- 新增EVA-CLIP，BLIP-2，miniGPT-4，Stable Diffusion，ControlNet等12个跨模态大模型
- 丰富的多模态功能: 覆盖图文预训练，文生图，跨模态视觉任务，实现图像编辑、图像描述、数据标注等多样功能
- 简洁的开发体验: 模型统一开发接口，高效实现自定义模型开发和功能实现
- 高效的训推流程: 全量模型打通训练推理一站式开发流程，BLIP-2，Stable Diffusion等重点模型训推性能业界领先
- 超大规模训练支持: 可训练千亿规模图文预训练模型，百亿规模文生图底座模型
- 视频Demo展示（video Demo）
PaddleMix.mp4
- 环境依赖
pip install -r requirements.txt
关于PaddlePaddle安装的详细教程请查看Installation。
注：ppdiffusers部分模型需要依赖 CUDA 11.2 及以上版本，如果本地机器不符合要求，建议前往 AI Studio 进行模型训练、推理任务。
如果希望使用bf16训练推理，请使用支持bf16的GPU，如A100。
- 手动安装
git clone https://github.com/PaddlePaddle/PaddleMIX
cd PaddleMIX
pip install -e .
#ppdiffusers 安装
cd ppdiffusers
pip install -e .
- 艺术风格二维码模型
- Mix叠图
- ComfyUI创作工作流
| 多模态预训练 | 扩散类模型 |
|
|
|
更多模型能力，可参考模型能力矩阵
本项目的发布受Apache 2.0 license许可认证。