Hugging Face cria técnica para gerar imagens com IA de forma mais barata e rápida
A empresa desenvolveu um método que separa o processamento de modelos de difusão em duas partes, reduzindo custos de servidor em até 60% sem perder qualidade.
A Hugging Face criou o Remote VAE, uma técnica que divide o processamento de modelos de difusão (IAs que criam imagens a partir de texto, como o Stable Diffusion) em duas partes: a etapa pesada roda em servidores potentes, e a decodificação final (feita pelo VAE, um tipo de rede que transforma dados comprimidos em imagens) acontece na máquina do usuário, reduzindo custos em até 60%.
A Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) anunciou uma nova técnica chamada Remote VAE que promete reduzir em até 60% o custo de gerar imagens com modelos de difusão, como o Stable Diffusion (um tipo de IA que cria imagens a partir de texto). A solução separa o processamento em duas etapas: a parte mais pesada roda em servidores potentes, enquanto a decodificação final das imagens acontece na máquina do usuário ou em servidores mais simples.
Modelos de difusão funcionam em duas fases principais. Primeiro, a rede neural (o "cérebro" do modelo) gera dados numéricos comprimidos chamados de latentes. Depois, uma segunda parte chamada VAE (Variational Autoencoder, um tipo de rede que converte dados comprimidos de volta em imagens visíveis) transforma esses latentes em pixels reais. Segundo informou a Hugging Face, o VAE costuma consumir entre 20% e 30% do tempo total de processamento, mas pode rodar em hardware muito mais barato que a primeira etapa.
O Remote VAE funciona assim: o servidor de inferência (o computador que roda a IA) processa apenas a parte pesada e devolve os latentes comprimidos pela internet. O cliente — que pode ser um navegador, um aplicativo ou até um Raspberry Pi (um computador do tamanho de um cartão de crédito) — recebe esses dados e roda o VAE localmente. A Hugging Face já disponibilizou bibliotecas prontas em JavaScript e Python para que desenvolvedores implementem a técnica sem reescrever código.
Os testes mostraram que transferir latentes pela rede é até 10 vezes mais rápido que enviar imagens completas, porque os dados comprimidos ocupam muito menos espaço. Além disso, como o VAE deixa de rodar em GPUs caras (chips especializados em processar IA), o custo de manter servidores cai drasticamente. A empresa ressalta que a técnica é especialmente útil para quem oferece serviços de geração de imagem em larga escala, como editores de fotos online ou ferramentas de design automatizado.
A solução já está disponível nos Inference Endpoints da Hugging Face (servidores gerenciados pela empresa onde qualquer um pode hospedar modelos de IA) e funciona com os principais modelos de difusão do mercado, incluindo Stable Diffusion e FLUX (outro modelo popular de geração de imagens). Desenvolvedores interessados podem começar a usar o Remote VAE hoje mesmo, sem precisar de aprovação ou configuração complexa.
