Open source проекты по теме «pytorch»

Лёгкая модель синтеза речи на основе ZipVoice с клонированием голоса и генерацией речи 48 кГц со скоростью до 150× в реальном времени на GPU.

Скрипты для обучения и генерации изображений с помощью Stable Diffusion и других моделей, а также утилиты для LoRA и тонкой настройки.

Библиотека для инференса на Python для Kokoro-82M — модели преобразования текста в речь с открытыми весами и 82 млн параметров.

Открытые генеративные модели для создания видео по тексту, изображениям, речи и движениям персонажей; доступны MoE-модели и разрешение 720P.

Веб-интерфейс на Gradio для запуска Stable Diffusion и новых моделей генерации изображений и видео — продолжение форка Forge проекта AUTOMATIC1111's WebUI.

Графический интерфейс на основе узлов, API и бэкенд для локального запуска diffusion-моделей, генерирующих изображения, видео, аудио и 3D-контент.

Открытая модель Tencent Hunyuan, создающая интерактивные игровые видео по референсному изображению и командам с клавиатуры или мыши.

Инструментарий с открытым исходным кодом от Unity, который позволяет обучать AI-агентов с помощью обучения с подкреплением и имитационного обучения в игровых и симуляционных средах.

Единый движок для обучения мультимодальных моделей с поддержкой архитектур vision-language, diffusion и MoE, а также FSDP2, Muon и ядер Liger.

Видеомодель LLM, обученная на потоковой транскрибации речи для генерации комментариев к видео в реальном времени; доступны демо на Gradio и в CLI.

Фреймворк с открытым исходным кодом для генерации видео с аватарами в реальном времени по аудио с практически неограниченной длительностью на базе модели Wan2.2-S2V на 14B параметров.

Модель восстановления лиц на PyTorch: улучшает повреждённые, некачественные и старые фотографии с помощью трансформера, который подбирает признаки из кодовой книги.

Краткое введение в обучение с подкреплением с реализациями на PyTorch алгоритмов от MC до PPO.

Python-библиотека для document AI: объединяет анализ макета, распознавание таблиц, OCR и классификацию документов или токенов в настраиваемые конвейеры.

Кроссплатформенное desktop-приложение для увеличения изображений с помощью встроенных или пользовательских моделей суперразрешения для Windows, macOS и Linux.

Открытая Python-библиотека OCR, которая обнаруживает и распознаёт текст в PDF и изображениях с помощью моделей глубокого обучения на PyTorch.

Учебник из 12 глав с подробными комментариями: создание и обучение языковой модели GPT в стиле LLaMA на Python и PyTorch с нуля.

CLI-инструмент для дообучения LLM по одному YAML-конфигу; потоковая загрузка слоёв позволяет обучать модели 8B на GPU с 4 ГБ памяти.

Локальный движок автоматизации браузера и Agent Skill, который запускает модели Qwen3.5 на устройстве и выбирает действия по видимым элементам страницы.

Сверхлёгкая локальная модель синтеза речи с архитектурой на 80 млн параметров, потоковой генерацией аудио 32 кГц и поддержкой CPU, CUDA и MPS.