Flow-Factory

Flow-Factory 是一个专门为 Flow-Matching 模型打造的微调框架，核心价值在于把在线强化学习和离线微调统一到了一个框架里。简单说，以前你想微调扩散模型或 Flow-Matching 模型，往往需要折腾不同的工具链，现在 Flow-Factory 把这些流程标准化了，让你用一套配置就能搞定各种微调任务。项目最亮眼的地方是紧跟前沿，已经支持了 MiniMax H3 和 LTX-2 这类能生成同步音视频的多模态模型，配合 GRPO 和 LoRA 技术，让开发者可以用强化学习来微调音视频生成模型，这在开源社区里相当少见。 技术层面，Flow-Factory 引入了统一的加速配置模块，把注意力后端选择、torch.compile 和特征缓存整合在一起，你只需在 YAML 配置文件里改几行参数，就能灵活切换 Flash Attention、xFormers 等不同后端。它还推荐安装 kernels 包来避免直接装 Flash-Attention 的兼容性麻烦，对开发者非常友好。另外，项目提供了丰富的示例配置，覆盖文本到音视频、首帧到音视频、参考图到音视频等多种工作流，开箱即用。 这个项目最适合两类人：一是做多模态生成模型研究的算法工程师，想快速实验强化学习微调；二是产品团队，需要把开源生成模型适配到特定业务场景，比如定制化音视频生成。上手门槛中等，需要你熟悉 Python、PyTorch 和扩散模型的基本概念，但项目文档和示例很完善，只要按 README 操作，装好 diffusers 0.40.0 以上版本，基本能跑通流程。目前项目有 687 个 Star，社区活跃度不错，更新频率也高，值得关注。