Biblioteca de Python del Stanford NLP Group para tokenización, segmentación de oraciones, reconocimiento de entidades y análisis de dependencias en más de 60 idiomas.
7,9 mil966PythonOtherBien mantenidoActualizado ayer
explosion/spaCy
Biblioteca de NLP de alto rendimiento para Python y Cython, con tokenización, pipelines preentrenados y modelos entrenados para etiquetado, análisis sintáctico y reconocimiento de entidades.
- Estrellas
- 34,033
- Forks
- 4,741
- Issues abiertos
- 254
- Último commit
- hace 11 días
¿Qué es?
spaCy es una biblioteca para el procesamiento avanzado del lenguaje natural en Python y Cython. Ofrece tokenización y compatibilidad con el entrenamiento en más de 70 idiomas, además de pipelines preentrenados para tareas como el etiquetado de partes de la oración, el análisis de dependencias, el reconocimiento de entidades con nombre y la clasificación de texto.
Admite el aprendizaje multitarea con transformers preentrenados, como BERT, e incluye un sistema de entrenamiento y herramientas para empaquetar, desplegar y gestionar modelos. Se pueden añadir componentes personalizados a los pipelines y crear modelos propios con PyTorch, TensorFlow y otros frameworks. Los visualizadores integrados muestran la sintaxis y las entidades con nombre.
spaCy se instala con pip o conda en macOS, Linux y Windows, y requiere Python 3.7 o una versión anterior a la 3.13 en sistemas de 64 bits. Se distribuye bajo la licencia MIT.
Funciones clave
- 01Tokenización y compatibilidad con el entrenamiento en más de 70 idiomas
- 02Pipelines preentrenados para NER, etiquetado POS, análisis sintáctico y clasificación de texto
- 03Aprendizaje multitarea con transformers preentrenados como BERT
- 04Componentes y modelos personalizados con PyTorch o TensorFlow
- 05Visualizadores integrados para la sintaxis y las entidades con nombre
Casos de uso
- Extraer de documentos entidades con nombre, como personas, organizaciones y lugares
- Clasificar texto en un pipeline de producción con un modelo entrenado
- Crear componentes de NLP personalizados basados en transformers preentrenados
- Analizar la sintaxis y las dependencias en investigaciones lingüísticas
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es spaCy?
- Biblioteca de NLP de alto rendimiento para Python y Cython, con tokenización, pipelines preentrenados y modelos entrenados para etiquetado, análisis sintáctico y reconocimiento de entidades. spaCy es una biblioteca para el procesamiento avanzado del lenguaje natural en Python y Cython. Ofrece tokenización y compatibilidad con el entrenamiento en más de 70 idiomas, además de pipelines preentrenados para tareas como el etiquetado de partes de la oración, el análisis de dependencias, el reconocimiento de entidades con nombre y la clasificación de texto.
- ¿spaCy es gratuito? ¿Qué licencia tiene?
- spaCy es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿spaCy sigue mantenido?
- Mantenimiento activo. El último commit de spaCy fue el 27 oct 2026.
- ¿Para qué puedo usar spaCy?
- Extraer de documentos entidades con nombre, como personas, organizaciones y lugares Clasificar texto en un pipeline de producción con un modelo entrenado Crear componentes de NLP personalizados basados en transformers preentrenados Analizar la sintaxis y las dependencias en investigaciones lingüísticas
- ¿Dónde consigo spaCy?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/explosion/spaCy
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
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.
12,2 mil+4 esta semana674JavaScriptMITBien mantenidoActualizado hace 13 horas
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.
1,4 mil111PythonMITActualizado hace 15 días
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.
11,2 mil+8 esta semana1,2 milRustApache-2.0Actualizado hace 14 horas
Librería de Python para clasificar textos que aprende de nuevos ejemplos y clases en tiempo de ejecución, con confianza calibrada y detección de datos fuera de distribución.
57743PythonApache-2.0Bien mantenidoActualizado hace 4 días
Una biblioteca ligera de deep learning con comprobación de tipos para componer modelos y usar capas de PyTorch, TensorFlow y MXNet.
2,9 mil295PythonMITActualizado hace 11 días