Home Progetti phenaki-pytorch
phenaki-pytorch
Python

phenaki-pytorch

Implementazione di Phenaki Video, che utilizza Mask GIT per produrre video guidati da testo di fino a 2 minuti di lunghezza, in Pytorch

di lucidrains · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
artificial-intelligenceattention-mechanismsdeep-learningMITPython
Visualizza su GitHub
In parole semplici

Crea video guidati da testo di fino a due minuti utilizzando tecniche AI in Python.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
phenaki-pytorch — GitHub preview card
📈 Storia delle stelle
791790
2026-07-202026-08-31
📈 Segui phenaki-pytorch

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Implementazione di Phenaki Video, che utilizza Mask GIT per produrre video guidati da testo di fino a 2 minuti di lunghezza, in Pytorch

phenaki-pytorch ha 790 stelle su GitHub. È stato forkato 81 volte. phenaki-pytorch è scritto principalmente in Python. È in sviluppo attivo dal 2022. phenaki-pytorch è disponibile con licenza MIT. I suoi temi principali sono: artificial-intelligence, attention-mechanisms, deep-learning, imagination-machine.

Frequently asked questions

Che cos'è phenaki-pytorch?

Implementazione di Phenaki Video, che utilizza Mask GIT per produrre video guidati da testo di fino a 2 minuti di lunghezza, in Pytorch

phenaki-pytorch è open source?

phenaki-pytorch è un progetto open source. È rilasciato con licenza MIT.

phenaki-pytorch è gratuito?

Sì. phenaki-pytorch è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è phenaki-pytorch?

phenaki-pytorch è disponibile con licenza MIT.

In quale linguaggio è scritto phenaki-pytorch?

phenaki-pytorch è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — phenaki-pytorch

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-phenaki-pytorch)](https://olud.ai/project/lucidrains-phenaki-pytorch.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
imagen-pytorch
Implementazione di Imagen, la rete neurale Text-to-Image di Google, in Pytorch
8.4k · artificial-intelligence
condivideimagination-machine
robotic-transformer-pytorch
Implementazione di RT1 (Robotic Transformer) in Pytorch
455 · artificial-intelligence
condivideattention-mechanisms
muse-maskgit-pytorch
Implementazione di Muse: Generazione di Testo in Immagine tramite Trasformatori Generativi Masc…
918 · artificial-intelligence
condivideattention-mechanisms
Awesome-Transformer-Attention
Un elenco di articoli completo sui Vision Transformer/Attenzione, inclusi articoli, codici e si…
5k · attention-mechanism
condivideattention-mechanisms
iTransformer
Implementazione non ufficiale di iTransformer - SOTA Previsione delle serie temporali utilizzan…
538 · artificial-intelligence
condivideattention-mechanisms
recurrent-memory-transformer-pytorch
Implementazione del Recurrent Memory Transformer, documento Neurips 2022, in Pytorch
424 · artificial-intelligence
condivideattention-mechanisms
meshgpt-pytorch
Implementazione di MeshGPT, generazione Mesh SOTA utilizzando Attention, in Pytorch
861 · artificial-intelligence
condivideattention-mechanisms
audiolm-pytorch
Implementazione di AudioLM, un approccio SOTA di modellazione del linguaggio per la generazione…
2.6k · artificial-intelligence
condivideattention-mechanisms
PaLM-rlhf-pytorch
Implementazione di RLHF (Reinforcement Learning con Feedback Umano) sopra l'architettura PaLM.…
7.9k · artificial-intelligence
condivideattention-mechanisms
alphafold3-pytorch
Implementazione di Alphafold 3 di Google Deepmind in Pytorch
1.7k · artificial-intelligence
condivideattention-mechanisms

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.