Herramientas y bibliotecas de procesamiento del lenguaje natural: los mejores de 2026

Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.

Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.

Tutorial abierto en chino que enseña los principios de los LLM creando desde cero un modelo pequeño al estilo de LLaMA2, y cubre Transformer, preentrenamiento, ajuste fino, RAG y agentes.

Una biblioteca de Python de Hugging Face para cargar datasets públicos de IA del Hub en una sola línea y preprocesarlos eficientemente con herramientas basadas en Arrow.

Modelos de lenguaje grandes de código abierto ajustados para tareas financieras, como análisis de sentimiento, pronósticos y benchmarks de NLP financiero.

Un tokenizador BPE rápido para los modelos de OpenAI, que convierte texto en tokens y lo reconstruye sin pérdida.

API gratuita de traducción automática autoalojada, basada en el motor de código abierto Argos Translate y con opción de uso sin conexión.

Corrector de gramática inglesa, offline y centrado en la privacidad, escrito en Rust y utilizable desde editores, el navegador y Node.js.

Ejecuta modelos Transformers de Hugging Face directamente en el navegador o en entornos de JavaScript, sin servidor y mediante ONNX Runtime.

Biblioteca de Python 3 que descarga artículos de noticias y extrae el texto, los autores, la fecha de publicación, las imágenes, las palabras clave y los resúmenes.

Toolkit de recuperación de BAAI con modelos de embeddings y reranking BGE, además de herramientas de entrenamiento, evaluación y tutoriales para búsqueda y RAG.

Biblioteca de procesamiento del lenguaje natural para JavaScript que etiqueta categorías gramaticales, detecta patrones y transforma texto, por ejemplo, al cambiar tiempos verbales o números.

SDK y servicio de Python de código abierto para detectar y anonimizar información personal identificable en texto, imágenes y datos estructurados.

Biblioteca de tokenización rápida y de última generación en Rust, con bindings para Python y Node.js, para NLP y pipelines de modelos de lenguaje.

Paquete de Python y CLI para rastrear sitios web y extraer el texto principal, los metadatos y los comentarios del HTML sin procesar.

Biblioteca de Python de Microsoft que comprime prompts de LLM y la KV cache hasta 20 veces al eliminar tokens no esenciales, con una pérdida mínima de rendimiento.

Biblioteca de traducción offline y open source para Python, basada en modelos de OpenNMT y disponible como biblioteca, herramienta de línea de comandos o GUI.

Kit de herramientas de Python para corregir errores en textos en chino: ortográficos, fonéticos, de similitud visual y gramaticales, con modelos desde KenLM hasta LLM basados en Qwen.

Colección bilingüe de más de 100 diagramas originales que explican LLM, RL, RLHF, DPO, GRPO y algoritmos relacionados con modelos grandes.

Libro gratuito y de código abierto en chino, con código complementario, para aprender PyTorch desde los fundamentos hasta aplicaciones de CV, NLP y LLM, y su despliegue.

Tutorial comentado de 12 capítulos que enseña a crear y entrenar desde cero, con Python y PyTorch, un GPT pequeño al estilo LLaMA.

Convierte texto no estructurado en un grafo de conocimiento interactivo usando un LLM para extraer tripletas sujeto-predicado-objeto.

Sistema de gestión documental personal autoalojado que incorpora escaneos, correos electrónicos y archivos, ejecuta OCR y sugiere metadatos mediante aprendizaje automático.

Extensión de spaCy que integra modelos de lenguaje grandes en pipelines de NLP estructurados para tareas como NER y clasificación de texto, sin datos de entrenamiento.

Base de conocimiento de ML seleccionada y escrita en Markdown, con 923 artículos, clases y artículos académicos, además de un clasificador y regresor personalizados en NumPy llamado APRL.