Projetos open source sobre “pytorch”

Modelo leve de text-to-speech baseado no ZipVoice para clonagem de voz, que gera fala em 48 kHz a até 150x o tempo real na GPU.

Scripts de treinamento, geração e utilitários para Stable Diffusion e outros modelos de geração de imagens, com suporte a LoRA e fine-tuning.

Biblioteca Python de inferência para o Kokoro-82M, um modelo de conversão de texto em fala com pesos abertos e 82 milhões de parâmetros.

Modelos generativos de vídeo open source que criam vídeos a partir de texto, imagens, fala ou movimentos de personagens, com opções MoE e 720P.

Uma interface web baseada em Gradio para executar Stable Diffusion e modelos mais recentes de imagem e vídeo, dando continuidade ao fork Forge da WebUI do AUTOMATIC1111.

GUI de grafo de nós, API e backend para executar modelos de difusão localmente e gerar imagens, vídeos, áudio e conteúdo 3D.

Modelo open source da Tencent Hunyuan que gera vídeos interativos de jogos a partir de uma imagem de referência e comandos de teclado ou mouse.

Toolkit open source da Unity que transforma jogos e simulações em ambientes para treinar agentes de IA com aprendizado por reforço e por imitação.

Engine de treinamento unificado para modelos multimodais, com suporte a arquiteturas de visão e linguagem, difusão e MoE, além de FSDP2, Muon e kernels Liger.

LLM de vídeo treinado com transcrição de fala em streaming para gerar comentários em tempo real, com demos em Gradio e CLI.

Framework open source para gerar vídeos de avatares em tempo real a partir de áudio, com streaming de duração praticamente ilimitada, baseado no modelo Wan2.2-S2V de 14B.

Modelo de restauração facial às cegas baseado em PyTorch que recupera fotos de rostos degradadas, de baixa qualidade ou antigas usando um transformer com busca em codebook.

Um livro introdutório e conciso sobre aprendizado por reforço, com implementações em PyTorch dos algoritmos abordados, de MC a PPO.

Uma biblioteca Python de IA para documentos que combina análise de layout, reconhecimento de tabelas, OCR e classificação de documentos ou tokens em pipelines configuráveis.

Aplicativo desktop multiplataforma para ampliar imagens com modelos de super-resolução integrados ou personalizados, compatível com Windows, macOS e Linux.

Uma biblioteca Python open source de OCR que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch.

Tutorial comentado em 12 capítulos que ensina a criar e treinar do zero, em Python e PyTorch, um modelo de linguagem GPT no estilo LLaMA.

Ferramenta de CLI para ajustar e pós-treinar LLMs usando um único arquivo YAML, com streaming de camadas para treinar modelos de 8B em uma GPU de 4 GB.

Um mecanismo local de automação de navegador e Agent Skill que executa modelos Qwen3.5 no dispositivo para escolher ações com base nos elementos visíveis da página.

Modelo de síntese de voz ultraleve que roda no dispositivo, com arquitetura de 80 milhões de parâmetros, saída em streaming a 32 kHz e suporte a CPU, CUDA e MPS.