# Bibliotecas

El Hub cuenta con soporte para decenas de bibliotecas del ecosistema de código abierto. Gracias a la biblioteca de Python `huggingface_hub`, es fácil habilitar el intercambio de tus modelos en el Hub. El Hub admite muchas bibliotecas y estamos trabajando para ampliar este soporte. Nos complace dar la bienvenida al Hub a un conjunto de bibliotecas de código abierto que están impulsando el avance del Machine Learning.

La tabla siguiente resume las bibliotecas admitidas y su nivel de integración. Encuentre todas nuestras bibliotecas admitidas en [el archivo model-libraries.ts](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts).

| Biblioteca                                                                     | Descripción                                                                          | Proveedores de inferencia | Widgets | Descargar desde Hub | Subir al Hub |
|-----------------------------------------------------------------------------|--------------------------------------------------------------------------------------|---|---:|---|---|
| [Adaptadores](./adapters) | Un complemento unificado de Transformers para el ajuste fino eficiente en parámetros y modular.                                                | ✅  | ✅  | ✅ | ✅ |
| [AllenNLP](./allennlp)                             | Una biblioteca de investigación en PLN de código abierto, construida sobre PyTorch.                               | ✅ | ✅ | ✅ | ❌ |
| [Asteroid](./asteroid)                       | Kit de separación de fuentes de audio basado en PyTorch                                        | ✅ | ✅ | ✅ | ❌ |
| [BERTopic](./bertopic)                           | BERTopic es una biblioteca de modelado de temas para texto e imágenes                             | ✅ | ✅ | ✅ | ✅ | 
| [Diffusers](./diffusers)                       | Un conjunto de herramientas modular para la inferencia y el entrenamiento de modelos de difusión                     | ✅ | ✅ | ✅ | ✅ |
| [docTR](https://github.com/mindee/doctr)                                    | Modelos y conjuntos de datos para tareas relacionadas con OCR en PyTorch & TensorFlow                    | ✅ | ✅ | ✅ | ❌ |
| [ESPnet](./espnet)                                  | Kit de herramientas de procesamiento de voz de extremo a extremo (p. ej., TTS)                                      | ✅ | ✅ | ✅ | ❌ |
| [fastai](./fastai)                                  | Biblioteca para entrenar modelos rápidos y precisos con resultados de última generación.             | ✅ | ✅ | ✅ | ✅ |
| [Keras](./keras)                              | Framework de aprendizaje profundo de código abierto con múltiples backends, con soporte para JAX, TensorFlow y PyTorch. | ❌ | ❌ | ✅ | ✅ |
| [KerasNLP](https://keras.io/guides/keras_nlp/upload/)                              | Biblioteca de procesamiento de lenguaje natural construida sobre Keras que funciona de forma nativa con TensorFlow, JAX o PyTorch. | ❌ | ❌ | ✅ | ✅ |
| [TF-Keras](./tf-keras) (obsoleto)                              | Biblioteca legada que utiliza una API coherente y simple para construir modelos aprovechando TensorFlow y su ecosistema. | ❌ | ❌ | ✅ | ✅ |
| [Flair](./flair)                                  | Framework muy simple para NLP de última generación.                                      | ✅ | ✅ | ✅ | ✅ |
| [MBRL-Lib](https://github.com/facebookresearch/mbrl-lib)                    | Implementaciones de PyTorch de algoritmos MBRL.                                          | ❌ | ❌ | ✅ | ✅ |
| [MidiTok](https://github.com/Natooz/MidiTok)                                | Tokenizadores para música simbólica / archivos MIDI.                                          | ❌ | ❌ | ✅ | ✅ |
| [ML-Agents](./ml-agents)                       | Permite que los juegos y simulaciones creados con Unity funcionen como entornos para entrenar agentes inteligentes. | ❌ | ❌ | ✅ | ✅ |
| [MLX](./mlx)                       | Framework de entrenamiento y servicio de modelos en Apple silicon creado por Apple. | ❌ | ❌ | ✅ | ✅ |
| [NeMo](https://github.com/NVIDIA/NeMo)                                      | Kit de herramientas de IA conversacional creado para investigadores                                      | ✅ | ✅ | ✅ | ❌ |
| [OpenCLIP](./open_clip)                      | Biblioteca para la implementación de código abierto de CLIP de OpenAI                              | ❌ | ❌ | ✅ | ✅ |  
| [PaddleNLP](./paddlenlp)                      | Biblioteca de NLP fácil de usar y potente construida sobre PaddlePaddle                           | ✅ | ✅ | ✅ | ✅ |
| [PEFT](./peft)                      | Biblioteca de ajuste fino eficiente en parámetros de vanguardia                           | ✅ | ✅ | ✅ | ✅ |
| [Pyannote](https://github.com/pyannote/pyannote-audio)                      | Bloques de construcción neuronales para la diarización de hablantes.                                      | ❌ | ❌ | ✅ | ❌ |
| [PyCTCDecode](https://github.com/kensho-technologies/pyctcdecode)           | El modelo de lenguaje admitió la decodificación CTC para el reconocimiento de voz                         | ❌ | ❌ | ✅ | ❌ |
| [Pythae](https://github.com/clementchadebec/benchmark_VAE)                  | Marco unificado para Autoencodificadores Generativos en Python                              | ❌ | ❌ | ✅ | ✅ |
| [RL-Baselines3-Zoo](./rl-baselines3-zoo)            | Framework de entrenamiento para el Aprendizaje por Refuerzo, que utiliza [Stable Baselines3](https://github.com/DLR-RM/stable-baselines3).| ❌ | ✅ | ✅ | ✅ |
| [Sample Factory](./sample-factory)           | Código base para el aprendizaje por refuerzo asíncrono de alto rendimiento.                    | ❌ | ✅ | ✅ | ✅ |
| [Sentence Transformers](./sentence-transformers)    | Calcule representaciones vectoriales densas para oraciones, párrafos e imágenes.          | ✅ | ✅ | ✅ | ✅ |
| [SetFit](./setfit)                             | Clasificación de texto few-shot eficiente con Sentence Transformers                    | ✅ | ✅ | ✅ | ✅ |
| [spaCy](./spacy)                                 | Procesamiento avanzado del lenguaje natural en Python y Cython.                           | ✅ | ✅ | ✅ | ✅ |
| [SpanMarker](./span_marker)                    | Reconocimiento de Entidades Nombradas familiar, simple y de última generación.                      | ✅ | ✅ | ✅ | ✅ |
| [Scikit Learn (usando skops)](https://skops.readthedocs.io/en/stable/)       | Machine Learning en Python.                                                          | ✅ | ✅ | ✅ | ✅ |
| [Speechbrain](./speechbrain)                               | Un kit de procesamiento del habla impulsado por PyTorch.                                                    | ✅ | ✅ | ✅ | ❌ |
| [Stable-Baselines3](./stable-baselines3)            | Conjunto de implementaciones fiables de algoritmos de aprendizaje por refuerzo profundo en PyTorch | ❌ | ✅ | ✅ | ✅ |
| [TensorFlowTTS](https://github.com/TensorSpeech/TensorFlowTTS)              | Arquitecturas de síntesis de voz de última generación en tiempo real.                           | ❌ | ❌ | ✅ | ❌ |
| [Timm](./timm)                   | Colección de modelos de imagen, scripts, pesos preentrenados, etc.                        | ✅ | ✅ | ✅ | ✅ |
| [Transformers](./transformers)                 | Procesamiento del lenguaje natural de última generación para PyTorch, TensorFlow y JAX        | ✅ | ✅ | ✅ | ✅ |
| [Transformers.js](./transformers-js)                | Machine Learning de vanguardia para la web. Ejecuta 🤗 Transformers directamente en tu navegador, ¡sin necesidad de un servidor! | ❌ | ❌ | ✅ | ❌ |
| [Unity Sentis](./unity-sentis)                | Motor de inferencia para el motor de juegos Unity 3D | ❌ | ❌ | ❌ | ❌ |

### ¿Cómo puedo añadir soporte para una nueva biblioteca?

Si te interesa añadir tu biblioteca, ¡contáctanos! Lee al respecto en [Guía para añadir una biblioteca](./models-adding-libraries).