Início Projetos phenaki-pytorch
phenaki-pytorch
Python

phenaki-pytorch

Implementação do Phenaki Video, que usa Mask GIT para produzir vídeos guiados por texto de até 2 minutos de duração, em Pytorch

por lucidrains · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Linguagem
artificial-intelligenceattention-mechanismsdeep-learningMITPython
Ver no GitHub
Em palavras simples

Crie vídeos guiados por texto de até dois minutos usando técnicas de IA em Python.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
phenaki-pytorch — GitHub preview card
📈 Histórico de estrelas
791790
2026-07-202026-08-31
📈 Acompanhe phenaki-pytorch

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Implementação do Phenaki Video, que usa Mask GIT para produzir vídeos guiados por texto de até 2 minutos de duração, em Pytorch

phenaki-pytorch tem 790 estrelas no GitHub. Foi bifurcado 81 vezes. phenaki-pytorch é escrito principalmente em Python. Está em desenvolvimento ativo desde 2022. phenaki-pytorch está disponível sob a licença MIT. Os seus principais temas são: artificial-intelligence, attention-mechanisms, deep-learning, imagination-machine.

Frequently asked questions

O que é phenaki-pytorch?

Implementação do Phenaki Video, que usa Mask GIT para produzir vídeos guiados por texto de até 2 minutos de duração, em Pytorch

phenaki-pytorch é de código aberto?

phenaki-pytorch é um projeto de código aberto. É distribuído sob a licença MIT.

phenaki-pytorch é gratuito?

Sim. phenaki-pytorch é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está phenaki-pytorch?

phenaki-pytorch está disponível sob a licença MIT.

Em que linguagem phenaki-pytorch está escrito?

phenaki-pytorch é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — phenaki-pytorch

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-phenaki-pytorch)](https://olud.ai/project/lucidrains-phenaki-pytorch.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
imagen-pytorch
Implementação do Imagen, a Rede Neural de Texto para Imagem do Google, em Pytorch
8.4k · artificial-intelligence
partilhaimagination-machine
robotic-transformer-pytorch
Implementação do RT1 (Robotic Transformer) em Pytorch
455 · artificial-intelligence
partilhaattention-mechanisms
muse-maskgit-pytorch
Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados,…
918 · artificial-intelligence
partilhaattention-mechanisms
Awesome-Transformer-Attention
Uma lista de artigos abrangente sobre Vision Transformer/Atenção, incluindo artigos, códigos e…
5k · attention-mechanism
partilhaattention-mechanisms
iTransformer
Implementação não oficial do iTransformer - Previsão de Séries Temporais SOTA usando redes de A…
538 · artificial-intelligence
partilhaattention-mechanisms
recurrent-memory-transformer-pytorch
Implementação do Recurrent Memory Transformer, artigo do Neurips 2022, em Pytorch
424 · artificial-intelligence
partilhaattention-mechanisms
meshgpt-pytorch
Implementação do MeshGPT, geração de Mesh SOTA usando Atenção, em Pytorch
861 · artificial-intelligence
partilhaattention-mechanisms
audiolm-pytorch
Implementação do AudioLM, uma Abordagem de Modelagem de Linguagem SOTA para Geração de Áudio da…
2.6k · artificial-intelligence
partilhaattention-mechanisms
PaLM-rlhf-pytorch
Implementação de RLHF (Aprendizado por Reforço com Feedback Humano) em cima da arquitetura PaLM…
7.9k · artificial-intelligence
partilhaattention-mechanisms
alphafold3-pytorch
Implementação do Alphafold 3 do Google Deepmind em Pytorch
1.7k · artificial-intelligence
partilhaattention-mechanisms

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.