Il fine settimana è stato tranquillo, ma ha portato una novità che aspettavamo: con Fizgig 6.5 si possono addestrare LoRA di Qwen-Image 2.1 in locale anche su una scheda da 10–12 GB. Intanto Google ha lanciato le nuove voci Gemini 3.8 Flash TTS, utili per i voiceover, e ComfyUI ha fatto un po' di pulizia nel codice, salutando i nodi di Sora.
In breve
- Fizgig 6.5: training di LoRA e LoKR per Qwen-Image 2.1, gratuito e open source, da 10 GB di VRAM in su.
- Gemini 3.8 Flash TTS: voci da descrizione testuale e oltre 2.000 voci pronte; la clonazione della voce in AI Studio non è disponibile in Europa.
- ComfyUI: via i nodi Sora, corretto un crash di Qwen-Image 2.1 in fp16, nuove promesse sul funzionamento con poca VRAM.
- MiniMax H3 ControlNet Union 2.0: otto controlli per il video in un solo file, ma è enorme ed escluso per l'UE.
- Pruna per Qwen-Image 2.1: altre LoRA a 5 e 8 passi, ancora acerbe per ammissione degli autori.
Fizgig 6.5: le tue LoRA di Qwen-Image 2.1 su una scheda da 12 GB
Il 27 settembre è uscita la versione 6.5 di Fizgig, uno "studio" per addestrare LoRA in locale. Non è un nodo di ComfyUI ma un programma a parte, gratuito e con licenza Apache 2.0, per Windows 10/11 e Linux, con schede NVIDIA RTX serie 30, 40 e 50 o AMD con ROCm. Fino al 27 settembre supportava Flux 2 Klein 9B, Krea 2 e MiniMax H3; ora arriva anche Qwen-Image 2.1, il modello per immagini più discusso del mese.
Il punto che ci interessa di più è la memoria. Secondo la guida ufficiale per Qwen-Image, il programma sceglie da solo la precisione in base alla VRAM libera:
- 24 GB o più: bf16, la qualità piena;
- 12–16 GB: INT8, senza dover scambiare blocchi con la RAM;
- 10 GB: 4 bit NF4, il minimo indispensabile.
Una RTX 3060 da 12 GB, come la nostra, rientra quindi nella fascia INT8. La RAM di sistema consigliata è 32 GB. Ci sono tre preset già pronti (Fast, Standard e Style), tutti a circa 0,5 megapixel, e le anteprime durante il training usano la LoRA Turbo di Viggle a 6 passi, così vedi subito se la strada è giusta. L'autore ha aggiunto anche un piccolo "adapter" congelato che evita il collasso del modello durante l'addestramento, senza cambiare la LoRA finale: il file che ottieni si carica nel normale nodo LoRA di ComfyUI.
Cosa ne pensiamo. È la prima strada semplice per personalizzare Qwen-Image 2.1 senza affittare una GPU nel cloud. Due avvertenze oneste: il primo download dei modelli pesa tra 34 e 39 GB, e il modello base è distribuito con la Qwen Research License, che va letta con attenzione prima di usare le immagini in un lavoro commerciale.
Gemini 3.8 Flash TTS: voci su misura per i tuoi video
Il 23 settembre Google ha presentato Gemini 3.8 Flash TTS e Flash-Lite TTS, due modelli di sintesi vocale già disponibili nella Gemini API e in Google AI Studio. La versione Flash è pensata per il lavoro creativo: descrivi a parole la voce che vuoi e il modello la crea, oppure scegli tra oltre 2.000 voci pronte. Puoi dirigere l'interpretazione riga per riga, mettere in scena un dialogo a due voci e generare audio lunghi senza che la voce cambi a metà. Le lingue sono oltre 100; come renda in italiano va provato.
Perché ti interessa. Per chi monta video, tutorial o motion graphics, un voiceover guida credibile in pochi minuti cambia il modo di lavorare sulle bozze. Tutto l'audio porta la filigrana invisibile SynthID. Attenzione però: la replica della propria voce in AI Studio, che parte da un campione di 30 secondi con verifica del consenso, non è disponibile nello Spazio economico europeo, quindi nemmeno in Italia.
Cosa ne pensiamo. Non gira in locale e si paga a consumo: è la classica situazione in cui l'online ha vantaggi reali, come spieghiamo nel confronto video con l'AI: meglio in locale o online? Per farti un'idea, Google DeepMind ha pubblicato il video "Create your own voices with Gemini 3.8 text-to-speech", mentre Sam Witteveen lo prova nel video "Gemini 3.8 Flash TTS with Voice Cloning".
ComfyUI: addio a Sora e un occhio alla poca VRAM
Nessuna nuova versione stabile nel fine settimana (l'ultima resta la 0.37.2 del 23 settembre), ma nel ramo di sviluppo sono arrivate modifiche utili da conoscere:
- Via i nodi Sora (PR #16609): dopo la chiusura dell'API di Sora del 24 settembre, i nodi partner deprecati sono stati rimossi. Se un tuo vecchio workflow li usa, andrà sostituito con un altro modello video.
- Qwen-Image 2.1 in fp16 (PR #16608): corretto un crash al primo passo di campionamento per chi avvia ComfyUI con l'opzione
--fp16-unet. Chi usa bf16 non era coinvolto. - Poca VRAM (PR #16576): il README ora dice che ComfyUI può far girare anche i modelli open source più grandi con appena 4 GB di VRAM e 8 GB di RAM, grazie allo "streaming asincrono dei pesi".
Cosa ne pensiamo. Sull'ultimo punto andiamo cauti: è una dichiarazione degli sviluppatori, non un test, e lo stesso sistema di revisione automatica del progetto ha chiesto di accompagnarla con dei benchmark. Che funzioni è plausibile, visto il lavoro fatto sulla memoria dinamica; che sia "relativamente veloce" su una scheda da 4 GB lo vedremo nei prossimi test della community. Tra le modifiche ancora in revisione ci sono il Manager 4.3 e una correzione alla rimozione dello sfondo con BiRefNet.
MiniMax H3 ControlNet Union 2.0: potente, ma non per noi
Alibaba PAI ha pubblicato il 22 settembre MiniMax H3 Fun ControlNet Union 2.0: un solo file per guidare il video con otto controlli (Canny, Depth, HED, MLSD, Pose, Scribble, Layout e Gray), più l'inpainting video. Rispetto alla 1.0 i punti di controllo nel modello passano da 5 a 10 e arrivano tre controlli nuovi, tra cui Layout, interessante per impostare la composizione di una scena.
Perché non corriamo a provarlo. Il solo checkpoint di controllo pesa circa 13,5 GB e, secondo gli autori, il sistema completo non entra per intero nemmeno in una GPU da 80 GB. Soprattutto, eredita la licenza MiniMax H3 Community, che esclude l'Unione Europea, il Regno Unito, la Corea del Sud e gli Stati Uniti senza un'autorizzazione separata. Il supporto in ComfyUI non è ancora annunciato. Da tenere d'occhio per chi lavora in studio con hardware serio e una licenza in regola.
Pruna per Qwen-Image 2.1: ancora LoRA veloci
Dopo Viggle Turbo e le Fun Acc LoRA, anche PrunaAI ha pubblicato le sue LoRA distillate per Qwen-Image 2.1, in due versioni da 5 e 8 passi, con un'accelerazione dichiarata fino a 6,3 volte su una H100. Gli autori stessi la definiscono una prima versione, che non raggiunge ancora la qualità del modello base; la licenza è la stessa Qwen Research, e il supporto in ComfyUI non è indicato. Per ora, se cerchi velocità, restiamo sulle alternative già provate dalla community.
Da tenere d'occhio questa settimana: secondo le note di sviluppo ufficiali, la fase alpha di Blender 5.3 si chiude il 30 settembre. Vi racconteremo le novità quando le funzioni saranno definitive.
Da provare subito
Se vuoi sperimentare con Fizgig, parti dalla parte che non richiede la GPU: il dataset. Scegli una ventina di immagini del tuo stile (è un punto di partenza comune, la guida non fissa un numero) (render, frame di un tuo progetto, illustrazioni tue) con soggetti e inquadrature diverse, in buona risoluzione e senza scritte. Poi installa Fizgig clonando il repository (non scaricando lo ZIP, come chiede l'autore), scarica i modelli di Qwen-Image 2.1 dalla scheda Preferences e prova il preset Style. Su una scheda da 12 GB il programma dovrebbe scegliere da solo la modalità INT8; chiudi prima ComfyUI e le altre app che occupano la VRAM. La LoRA finale la carichi in ComfyUI con il nodo LoRA di sempre.
Se invece Qwen-Image 2.1 non l'hai ancora provato, il video "Finally! Qwen 2.1 Text-to-Image in ComfyUI" di CG Pixel è un buon punto di partenza, e nella nostra guida ai modelli AI per immagini in ComfyUI trovi come si colloca rispetto agli altri modelli.
Per il video, parti dalla guida ai modelli AI per video in ComfyUI. Se ComfyUI è nuovo per te, c'è la guida introduttiva a ComfyUI; per capire quanta VRAM ti serve davvero, leggi l'articolo sulle schede video per AI.
È tutto per questa volta. Scarica i nostri workflow gratuiti dalla sezione ComfyUI e seguici sul canale YouTube @tutorial3d: ci vediamo al prossimo aggiornamento con le novità dell'AI.
