NVIDIAとHugging Faceが拡散モデル学習を統合。8GPUでFLUXを毎秒35.5枚

NeMo Automodel は、NVIDIA が Hugging Face の Diffusers と統合した学習ライブラリで、Hub 上の拡散モデルを変換なしで分散ファインチューニングできます。

📖 この記事で分かること

• NeMo AutomodelとDiffusersが統合され分散学習が可能に
• FLUX・Qwen-Image・Wan・HunyuanVideoに対応
• H100×8でFLUX.1-devを毎秒35.5枚で微調整
• LoRAから多ノード分散まで同じ設定で移行できる

💡 知っておきたい用語

• 拡散モデル: ノイズから画像や動画を段階的に描き出す生成AIの一種。FLUXやWanが代表例。
• ファインチューニング: 既存モデルを自社データで追加学習し、狙った作風や用途に寄せる作業。

最終更新日: 2026年7月19日

▶ 公式ページ

• NeMo AutomodelとDiffusersの統合発表（Hugging Face Blog）

NeMo AutomodelとDiffusersの統合とは

この記事のポイント

• NVIDIAとHugging Faceが2026年7月17日、学習ライブラリ NeMo Automodel を Diffusers と統合したと発表しました（2026年7月時点）。
• FLUX.2-dev（32B）やWan 2.2（27B）など画像・動画の拡散モデルを、Hub上の重みから変換なしで分散学習できます（2026年7月時点）。
• H100×8基でFLUX.1-devのフル微調整が毎秒35.5枚。単一GPUのLoRAから多ノード学習まで同じ設定で切り替えられます（2026年7月時点）。

NVIDIAとHugging Faceは7月17日、NVIDIAの学習ライブラリ「NeMo Automodel」を、拡散モデルの標準ライブラリ「Diffusers」と統合したと発表しました。Hugging Face Hub 上のモデル重みを形式変換せずに読み込み、そのまま本番規模の分散ファインチューニングにかけられる点が中心です。これまで大規模な拡散モデルの追加学習は、変換作業と自前の分散設定が壁になっていました。

対応モデルと学習方式

対応は画像生成と動画生成の両方に及びます。数値・仕様は発表時点のものです。

画像生成（テキスト→画像）では FLUX.1-dev（12B）、FLUX.2-dev（32B）、Qwen-Image（20B）に対応します。動画生成（テキスト→動画）では Wan 2.1（1.3B・14B）、Wan 2.2（27B・MoE構成）、HunyuanVideo 1.5（13B）を挙げています（いずれも2026年7月時点）。

学習方式は、モデル全体を更新するフルファインチューニングと、少ないパラメータだけを差分学習する LoRA【ローラ】の両方を選べます。手元のGPU1枚でLoRAを試し、そのまま多ノードのフル学習へ設定を引き継ぐ、という段階的な拡張を想定した作りです。

分散と省メモリの仕組み

大規模モデルを扱うための並列化と省メモリ機構が、YAML設定で切り替えられる形で用意されています。ここが「変換なしで本番規模」を支える実体です。

並列化は FSDP2、テンソル並列、エキスパート並列、コンテキスト並列、パイプライン並列に対応します。MoE構成のWan 2.2でエキスパート並列、長い系列を扱う動画でコンテキスト並列、といった使い分けが想定されます。省メモリ側では、VAEの潜在表現をあらかじめ計算して使い回すキャッシュ、解像度ごとにまとめて処理するマルチ解像度バケッティング、途中の計算結果を保持せず再計算するアクティベーションチェックポイントを備えます。

処理速度の目安として、H100を8基使った構成で、FLUX.1-devのフルファインチューニングが毎秒約35.5枚、Wan 2.1（14B）のLoRA学習が毎秒約2.1クリップ、HunyuanVideo 1.5が毎秒約1.35クリップと示されています（2026年7月時点）。

誰にとっての更新か

想定される利用者は、拡散モデルを自社データや特定用途に合わせて追加学習したい研究者・実務者です。単一GPUでのLoRA検証から多ノードの分散学習まで、同じライブラリと設定体系でカバーする点が実務上の意味を持ちます。画像・動画生成を業務に組み込む動きが広がるなか、モデルを「使う」だけでなく「自前で微調整する」段階に進むチームが対象です。

編集部の見方

編集部は、今回の統合で最も効くのは速度そのものより「変換なしでHubの重みをそのまま分散学習にかけられる」導線の短縮だと見ます。

• 根拠1: 従来は独自形式への変換と自前の分散設定が学習開始前の固定コストになっていました。Hub互換のまま扱えれば、この初期コストが削られます。
• 根拠2: LoRAからフル学習、単一GPUから多ノードまでを同じYAML設定で切り替えられるため、検証と本番で別々の学習基盤を用意する必要が減ります（2026年7月時点）。
• この見方が変わる条件: 実際のワークフローで変換省略の恩恵が限定的で、既存の自作分散パイプラインの方が速い・安いという事例が積み上がれば、評価は速度・コストの実測側に移ります。

動画拡散モデルの追加学習はメモリ要件が重く、個人や小規模チームには手が届きにくい領域でした。並列化と省メモリ機構が標準ライブラリの設定で扱える形になったことは、この層の参入障壁を一段下げる方向に働きます。

よくある質問

Q: NeMo Automodelとは何ですか？

A: NVIDIAが提供するPyTorch向けの学習ライブラリです。今回の統合で、Hugging Face Hub上の拡散モデルの重みを変換せずに読み込み、分散ファインチューニングにかけられるようになりました。

Q: どのモデルが対応していますか？

A: 画像生成のFLUX.1-dev・FLUX.2-dev・Qwen-Image、動画生成のWan 2.1・Wan 2.2・HunyuanVideo 1.5です（2026年7月時点）。いずれもフルファインチューニングとLoRAに対応します。

Q: 大規模GPUがないと使えませんか？

A: 単一GPUでのLoRA学習から多ノードの分散学習まで、同じ設定体系でカバーする設計です。手元のGPU1枚で試し、規模に応じて並列化を足していけます。

まとめ

NVIDIAとHugging Faceは、学習ライブラリNeMo AutomodelをDiffusersと統合し、Hub上の拡散モデルを変換なしで分散ファインチューニングできるようにしました。FLUXやWanなど画像・動画モデルに対応し、H100×8でFLUX.1-devが毎秒35.5枚。並列化と省メモリ機構が設定で切り替えられ、LoRA検証から多ノード学習まで同じ導線で扱えます。

【用語解説】

• LoRA【ローラ】: モデル全体ではなく少数の差分パラメータだけを追加学習する手法。少ないメモリで微調整でき、元のモデルは保ったまま作風や用途を足せる。
• FSDP2: モデルのパラメータをGPU間で分割保持し、大規模モデルの学習メモリを抑える分散手法。
• MoE: 入力ごとに一部の専門家ネットワークだけを使う構成。総パラメータは大きくても計算量を抑えられる。

引用元:

• [1] Scaling Diffusion Model Fine-tuning with NeMo Automodel and Diffusers（Hugging Face Blog）

この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。