Proyectos open source sobre «pytorch»

Modelo ligero de text-to-speech basado en ZipVoice que clona voces y genera audio a 48 kHz hasta 150 veces más rápido que en tiempo real con GPU.

Scripts de entrenamiento, generación y utilidades para Stable Diffusion y otros modelos de generación de imágenes, incluidos LoRA y el ajuste fino.

Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.

Modelos generativos de video de código abierto que crean videos a partir de texto, imágenes, voz o movimientos de personajes, con opciones MoE y 720P.

Interfaz web basada en Gradio para ejecutar Stable Diffusion y modelos más recientes de imagen y video, como continuación del fork Forge de la WebUI de AUTOMATIC1111.

GUI de grafo de nodos, API y backend para ejecutar modelos de difusión localmente y generar imágenes, video, audio y contenido 3D.

Modelo de código abierto de Tencent Hunyuan que genera videos interactivos de videojuegos a partir de una imagen de referencia y entradas de teclado o mouse.

Toolkit de código abierto de Unity que permite usar juegos y simulaciones como entornos para entrenar agentes de IA mediante aprendizaje por refuerzo e imitación.

Un motor de entrenamiento unificado para modelos multimodales que admite arquitecturas de visión y lenguaje, difusión y MoE, con FSDP2, Muon y kernels Liger.

Un LLM de video entrenado con transcripción de voz en streaming para generar comentarios en tiempo real, con demos en Gradio y CLI.

Framework de código abierto para generar en tiempo real videos de avatares a partir de audio, con transmisión de duración prácticamente ilimitada y un modelo base Wan2.2-S2V de 14B.

Modelo de restauración facial a ciegas basado en PyTorch que repara fotos de rostros degradadas, de baja calidad o antiguas mediante un transformer con búsqueda en un codebook.

Libro breve de introducción al aprendizaje por refuerzo, con implementaciones en PyTorch de los algoritmos que presenta, desde MC hasta PPO.

Una biblioteca de Python para IA documental que combina análisis de diseño, reconocimiento de tablas, OCR y clasificación de documentos o tokens en pipelines configurables.

Aplicación de escritorio multiplataforma para ampliar imágenes con modelos de superresolución integrados o personalizados, compatible con Windows, macOS y Linux.

Una biblioteca de OCR de código abierto para Python que detecta y reconoce texto en PDF e imágenes mediante modelos de deep learning basados en PyTorch.

Tutorial comentado de 12 capítulos para construir y entrenar desde cero, con Python y PyTorch, un modelo de lenguaje GPT al estilo LLaMA.

Herramienta CLI para ajustar y entrenar LLM con un único archivo YAML, con transmisión de capas para entrenar modelos de 8B en una GPU de 4 GB.

Motor local de automatización del navegador y Agent Skill que ejecuta modelos Qwen3.5 en el dispositivo para elegir acciones a partir de elementos visibles de la página.

Modelo de texto a voz ultraligero que funciona en el dispositivo, con arquitectura de 80M parámetros, salida en streaming a 32 kHz y compatibilidad con CPU, CUDA y MPS.