ÁLVAROMAUREIRA

Hugging Face Presenta Diffusers: Biblioteca Modular de Modelos de Difusión con Adaptadores Multimodales

Publicado ·

Hugging Face ha consolidado Diffusers como la biblioteca modular de referencia en la industria para el desarrollo, entrenamiento e inferencia de modelos de difusión generativa y arquitecturas latentes avanzadas, integrando soporte nativo para Stable Diffusion, FLUX.1 y adaptadores de control estructural multimodal como ControlNet.

Arquitectura Modular y Pipelines Componibles

Frente a las implementaciones monolíticas tradicionales de síntesis de imágenes, Diffusers estructura sus componentes en bloques des

Sigue aprendiendo

Explora los recursos y continúa tu recorrido en la comunidad.

Únete gratis a la comunidad →

Sigue leyendo las noticias clave de IA

  1. Alibaba FunAudioLLM Presenta CosyVoice: Síntesis de Voz Multilingüe y Clonación Cero-Disparo con Control EmocionalAlibaba FunAudioLLM libera CosyVoice, modelo fundacional abierto de síntesis y clonación de voz multilingüe con control fino de emociones y prosodia.Leer análisis completo
  2. Black Forest Labs FLUX.1 Depth y Canny: Control Estructural Preciso Mediante Adaptadores de Profundidad y BordesBlack Forest Labs lanza adaptadores Depth y Canny para FLUX.1, permitiendo control geométrico y preservación de bordes sin degradar la síntesis visual.Leer análisis completo
  3. DeepSeek Presenta Janus-Pro: Modelo Multimodal Unificado con Arquitectura Desacoplada para Comprensión y Generación VisualDeepSeek lanza Janus-Pro, arquitectura multimodal avanzada que desacopla la codificación visual para comprensión y generación sin degradación.Leer análisis completo
  4. Hugging Face lanza Smolagents: arquitectura agéntica de primer orden basada en código Python ejecutableHugging Face lanzó Smolagents, un marco ligero donde agentes de IA ejecutan código Python nativo en lugar de llamadas JSON-RPC rígidas.Leer análisis completo
  5. Hugging Face Presenta SmolLM2: Familia de Modelos Abiertos de 135M a 1.7B para Inferencia On-Device y Agentes LocalesHugging Face publica SmolLM2 en tamaños de 135M, 360M y 1.7B parámetros, optimizados para razonamiento local, llamadas a herramientas y despliegue on-device.Leer análisis completo
  6. Meta presenta Llama 3.2: modelos multimodales de visión y arquitecturas ligeras de 1B y 3B optimizadas para ejecución local en edgeMeta lanzó Llama 3.2 con modelos de visión de 11B y 90B y versiones ligeras de 1B y 3B para inferencia privada y local en dispositivos móviles.Leer análisis completo
  7. PanQiWei Presenta AutoGPTQ: Biblioteca de Cuantización Post-Entrenamiento a 4-Bit Acelerada por Kernels Triton y MarlinAutoGPTQ lidera la compresión de modelos de lenguaje a 4 bits mediante el algoritmo GPTQ, acelerando la inferencia en GPUs con kernels Marlin y Triton.Leer análisis completo
  8. MosaicML Presenta MPT-30B: Modelo Abierto de 30B con Arquitectura ALiBi y Contexto Nativo ExtensibleMosaicML presenta MPT-30B, modelo abierto de 30B con arquitectura ALiBi, contexto nativo de 8K e inferencia en una GPU para soberanía de datos comercial.Leer análisis completo
  9. Diffusion Controller: Google investiga el control de imágenesAlcance, límites y protocolo para evaluar imágenes generadas sin prometer resultados.Leer análisis completo
  10. Hugging Face Presenta Parler-TTS: Síntesis de Voz Abierta y Expresiva Controlada por Lenguaje NaturalHugging Face libera Parler-TTS, modelo abierto de síntesis de voz guiado por lenguaje natural para controlar tono, prosodia, cadencia y ambiente sonoro.Leer análisis completo
  11. NVIDIA Presenta Megatron-Core: Biblioteca Optimizada de GPU para Entrenamiento y Escalado Masivo de LLMsNVIDIA libera Megatron-Core, suite modular para estandarizar paralelismo tensorial y de pipeline en LLMs, logrando más del 55% de MFU en clusters GPU.Leer análisis completo
  12. Hugging Face permite comprobar modelos en TrainiumCómo interpretar las pruebas de modelos para AWS Trainium.Leer análisis completo
  13. InternLM Presenta LMDeploy: Motor de Inferencia y Compresión Multimodal con Kernels TurboMind y Cuantización AWQInternLM presenta LMDeploy, motor de inferencia y compresión multimodal acelerado por kernels TurboMind en C++ y cuantización AWQ para LLMs y VLMs.Leer análisis completo
  14. Stability AI Presenta Stable Code 3B: Modelo Abierto de Programación para Inferencia Local en DispositivosStability AI lanza Stable Code 3B, modelo abierto de 3B parámetros para autocompletado y generación de código localmente con paridad frente a modelos de 7B.Leer análisis completo
  15. Hugging Face Presenta Distil-Whisper: Destilación de Modelos de Voz con 6x Mayor Velocidad y Paridad de PrecisiónHugging Face presenta Distil-Whisper, reduciendo la latencia de Whisper en 6 veces y el tamaño en un 49% con paridad de precisión en transcripción de voz.Leer análisis completo
  16. Hugging Face Presenta SmolVLM: Modelo Multimodal Abierto de 2B para Video y Visión en Hardware LocalHugging Face lanza SmolVLM, modelo multimodal compacto de 2B parámetros optimizado para análisis de video, múltiples imágenes e inferencia visual on-device.Leer análisis completo
Desliza para descubrir las 16 lecturas.16 artículos relacionados