Inicio Proyectos audiolm-pytorch
audiolm-pytorch
Python

audiolm-pytorch

Implementación de AudioLM, un Enfoque de Modelado de Lenguaje SOTA para Generación de Audio de Google Research, en Pytorch

por lucidrains · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
artificial-intelligenceattention-mechanismsaudio-synthesisMITPython
Ver en GitHub
En palabras simples

Genera audio a partir de texto o mejora la calidad del audio utilizando técnicas avanzadas de aprendizaje automático.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
audiolm-pytorch — GitHub preview card
📈 Historial de estrellas
2 6222 621
2026-07-072026-08-31
📈 Sigue audiolm-pytorch

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Implementación de AudioLM, un Enfoque de Modelado de Lenguaje SOTA para Generación de Audio de Google Research, en Pytorch

audiolm-pytorch tiene 2.6k estrellas en GitHub. Se ha bifurcado 278 veces. audiolm-pytorch está escrito principalmente en Python. Se desarrolla activamente desde 2022. audiolm-pytorch está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, attention-mechanisms, audio-synthesis, deep-learning.

Frequently asked questions

¿Qué es audiolm-pytorch?

Implementación de AudioLM, un Enfoque de Modelado de Lenguaje SOTA para Generación de Audio de Google Research, en Pytorch

¿audiolm-pytorch es de código abierto?

audiolm-pytorch es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿audiolm-pytorch es gratis?

Sí. audiolm-pytorch es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está audiolm-pytorch?

audiolm-pytorch está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito audiolm-pytorch?

audiolm-pytorch está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — audiolm-pytorch

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-audiolm-pytorch)](https://olud.ai/project/lucidrains-audiolm-pytorch.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
MMAudio
[CVPR 2025] MMAudio: Domando el Entrenamiento Conjunto Multimodal para la Síntesis de Video a A…
2.2k · audio
comparteaudio-synthesis
robotic-transformer-pytorch
Implementación de RT1 (Robotic Transformer) en Pytorch
455 · artificial-intelligence
comparteattention-mechanisms
muse-maskgit-pytorch
Implementación de Muse: Generación de Texto a Imagen a través de Transformadores Generativos En…
918 · artificial-intelligence
comparteattention-mechanisms
Awesome-Transformer-Attention
Una lista de artículos absolutamente completa sobre Vision Transformer/Atención, incluyendo art…
5k · attention-mechanism
comparteattention-mechanisms
iTransformer
Implementación no oficial de iTransformer - SOTA Pronóstico de Series Temporales usando redes d…
538 · artificial-intelligence
comparteattention-mechanisms
recurrent-memory-transformer-pytorch
Implementación del Transformer de Memoria Recurrente, artículo de Neurips 2022, en Pytorch
424 · artificial-intelligence
comparteattention-mechanisms
meshgpt-pytorch
Implementación de MeshGPT, generación de mallas SOTA utilizando Atención, en Pytorch
861 · artificial-intelligence
comparteattention-mechanisms
PaLM-rlhf-pytorch
Implementación de RLHF (Aprendizaje por Refuerzo con Retroalimentación Humana) sobre la arquite…
7.9k · artificial-intelligence
comparteattention-mechanisms
alphafold3-pytorch
Implementación de Alphafold 3 de Google Deepmind en Pytorch
1.7k · artificial-intelligence
comparteattention-mechanisms
phenaki-pytorch
Implementación de Phenaki Video, que utiliza Mask GIT para producir videos guiados por texto de…
790 · artificial-intelligence
comparteattention-mechanisms

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.