Все репозитории

diffusers

Стандартная библиотека для диффузионных моделей в PyTorch: готовые пайплайны для картинок, видео и аудио, которые запускаются в несколько строк.

Кому подойдёт

Python-разработчикам, которые встраивают генерацию изображений и видео в свои продукты.

Как начать

  1. Установи: pip install --upgrade diffusers[torch].
  2. Загрузи пайплайн: DiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", dtype=torch.float16).
  3. Перенеси на GPU через pipeline.to("cuda") и вызови с текстовым запросом.

Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.

Звёзды за последние 30 дней

+16525 окт. — 21 нояб.
34 79534 960

Описание автора

🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.

Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.

165 тыс.звёзд+242 за 29 дн.Python

Comfy-Org

ComfyUI

Растёт быстрее всех

Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.

148 тыс.звёзд+5,5 тыс. за 29 дн.Python

openai

whisper

Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.

113 тыс.звёзд+2 тыс. за 29 дн.Python

RVC-Boss

GPT-SoVITS

Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.

65 тыс.звёзд+1,5 тыс. за 27 дн.Python

ggml-org

whisper.cpp

Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.

55 тыс.звёзд+615 за 28 дн.C++

2noise

ChatTTS

Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.

40 тыс.звёзд+106 за 30 дн.Python