简介

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。

最新进展

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

主要特性

• 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

任务展示

• 视频Demo展示（video Demo）

PaddleMix.mp4

安装

1. 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。

2. 手动安装

git clone https://github.com/PaddlePaddle/PaddleMIX
cd PaddleMIX
pip install -e .

#ppdiffusers 安装
cd ppdiffusers
pip install -e .

教程

• 快速开始
• 训练微调
• 推理部署

特色应用

1. 艺术风格二维码模型

体验专区: https://aistudio.baidu.com/community/app/1339

2. Mix叠图

体验专区: https://aistudio.baidu.com/community/app/1340

模型库

多模态预训练	扩散类模型
图文预训练 EVA-CLIP CoCa CLIP BLIP-2 miniGPT-4 VIsualGLM qwen_vl llava 开放世界视觉模型 Grounding DINO SAM 更多模态预训练模型 ImageBind	文生图 Stable Diffusion ControlNet LDM Unidiffuser 文生视频 LVDM 音频生成 AudioLDM

更多模型能力，可参考模型能力矩阵

许可证书

本项目的发布受Apache 2.0 license许可认证。