# Bibliotecas

O Hub oferece suporte a dezenas de bibliotecas do ecossistema de Código Aberto. Graças à biblioteca Python `huggingface_hub`, é fácil habilitar o compartilhamento dos seus modelos no Hub. O Hub suporta muitas bibliotecas e estamos trabalhando para expandir esse suporte. Temos o prazer de receber no Hub um conjunto de bibliotecas de Código Aberto que estão impulsionando o avanço do Machine Learning.

A tabela abaixo resume as bibliotecas suportadas e seu nível de integração. Encontre todas as nossas bibliotecas suportadas no [arquivo model-libraries.ts](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts).

| Biblioteca                                                                     | Descrição                                                                          | Provedores de Inferência | Widgets | Baixar do Hub | Push to Hub |
|-----------------------------------------------------------------------------|--------------------------------------------------------------------------------------|---|---:|---|---|
| [Adaptadores](./adapters) | Um add-on unificado para Transformers para ajuste fino eficiente em parâmetros e modular.                                                | ✅  | ✅  | ✅ | ✅ |
| [AllenNLP](./allennlp)                             | Uma biblioteca de pesquisa em PLN de código aberto, construída sobre o PyTorch.                               | ✅ | ✅ | ✅ | ❌ |
| [Asteroid](./asteroid)                       | Kit de separação de fontes de áudio baseado em PyTorch                                        | ✅ | ✅ | ✅ | ❌ |
| [BERTopic](./bertopic)                           | BERTopic é uma biblioteca de modelagem de tópicos para texto e imagens                             | ✅ | ✅ | ✅ | ✅ | 
| [Diffusers](./diffusers)                       | Uma caixa de ferramentas modular para inferência e treinamento de modelos de difusão                     | ✅ | ✅ | ✅ | ✅ |
| [docTR](https://github.com/mindee/doctr)                                    | Modelos e conjuntos de dados para tarefas relacionadas a OCR em PyTorch & TensorFlow                    | ✅ | ✅ | ✅ | ❌ |
| [ESPnet](./espnet)                                  | Kit de ferramentas de processamento de fala de ponta a ponta (por exemplo, TTS)                                      | ✅ | ✅ | ✅ | ❌ |
| [fastai](./fastai)                                  | Biblioteca para treinar modelos rápidos e precisos com resultados de última geração.             | ✅ | ✅ | ✅ | ✅ |
| [Keras](./keras)                              | Framework de aprendizado profundo multi-backend de código aberto, com suporte para JAX, TensorFlow e PyTorch. | ❌ | ❌ | ✅ | ✅ |
| [KerasNLP](https://keras.io/guides/keras_nlp/upload/)                              | Biblioteca de processamento de linguagem natural construída sobre o Keras que funciona nativamente com TensorFlow, JAX ou PyTorch. | ❌ | ❌ | ✅ | ✅ |
| [TF-Keras](./tf-keras) (legado)                              | Biblioteca legada que utiliza uma API consistente e simples para construir modelos aproveitando o TensorFlow e seu ecossistema. | ❌ | ❌ | ✅ | ✅ |
| [Flair](./flair)                                  | Framework muito simples para NLP de última geração.                                      | ✅ | ✅ | ✅ | ✅ |
| [MBRL-Lib](https://github.com/facebookresearch/mbrl-lib)                    | Implementações em PyTorch de Algoritmos MBRL.                                          | ❌ | ❌ | ✅ | ✅ |
| [MidiTok](https://github.com/Natooz/MidiTok)                                | Tokenizadores para música simbólica / arquivos MIDI.                                          | ❌ | ❌ | ✅ | ✅ |
| [ML-Agents](./ml-agents)                       | Permite que jogos e simulações criados com Unity funcionem como ambientes para o treinamento de agentes inteligentes. | ❌ | ❌ | ✅ | ✅ |
| [MLX](./mlx)                       | Framework de treinamento e serviço de modelos em Apple silicon, desenvolvido pela Apple. | ❌ | ❌ | ✅ | ✅ |
| [NeMo](https://github.com/NVIDIA/NeMo)                                      | Kit de IA conversacional criado para pesquisadores                                      | ✅ | ✅ | ✅ | ❌ |
| [OpenCLIP](./open_clip)                      | Biblioteca para implementação de código aberto do CLIP da OpenAI                              | ❌ | ❌ | ✅ | ✅ |  
| [PaddleNLP](./paddlenlp)                      | Biblioteca de NLP fácil de usar e poderosa, construída sobre o PaddlePaddle                           | ✅ | ✅ | ✅ | ✅ |
| [PEFT](./peft)                      | Biblioteca de Ajuste Fino Eficiente em Parâmetros de Ponta                           | ✅ | ✅ | ✅ | ✅ |
| [Pyannote](https://github.com/pyannote/pyannote-audio)                      | Blocos neurais para diarização de falantes.                                      | ❌ | ❌ | ✅ | ❌ |
| [PyCTCDecode](https://github.com/kensho-technologies/pyctcdecode)           | Modelo de linguagem suportou decodificação CTC para reconhecimento de fala                         | ❌ | ❌ | ✅ | ❌ |
| [Pythae](https://github.com/clementchadebec/benchmark_VAE)                  | Framework unificado para Autoencoders Generativos em Python                              | ❌ | ❌ | ✅ | ✅ |
| [RL-Baselines3-Zoo](./rl-baselines3-zoo)            | Framework de treinamento para Aprendizado por Reforço, usando [Stable Baselines3](https://github.com/DLR-RM/stable-baselines3).| ❌ | ✅ | ✅ | ✅ |
| [Sample Factory](./sample-factory)           | Base de código para aprendizado por reforço assíncrono de alto rendimento.                    | ❌ | ✅ | ✅ | ✅ |
| [Sentence Transformers](./sentence-transformers)    | Calcule representações vetoriais densas para frases, parágrafos e imagens.          | ✅ | ✅ | ✅ | ✅ |
| [SetFit](./setfit)                             | Classificação de texto com poucas amostras eficiente com Sentence Transformers                    | ✅ | ✅ | ✅ | ✅ |
| [spaCy](./spacy)                                 | Processamento Avançado de Linguagem Natural em Python e Cython.                           | ✅ | ✅ | ✅ | ✅ |
| [SpanMarker](./span_marker)                    | Reconhecimento de Entidades Nomeadas familiar, simples e de última geração.                      | ✅ | ✅ | ✅ | ✅ |
| [Scikit Learn (usando skops)](https://skops.readthedocs.io/en/stable/)       | Aprendizado de Máquina em Python.                                                          | ✅ | ✅ | ✅ | ✅ |
| [Speechbrain](./speechbrain)                               | Um Kit de Fala Alimentado por PyTorch.                                                    | ✅ | ✅ | ✅ | ❌ |
| [Stable-Baselines3](./stable-baselines3)            | Conjunto de implementações confiáveis de algoritmos de aprendizado por reforço profundo em PyTorch | ❌ | ✅ | ✅ | ✅ |
| [TensorFlowTTS](https://github.com/TensorSpeech/TensorFlowTTS)              | Arquiteturas de síntese de fala em tempo real, no estado da arte.                           | ❌ | ❌ | ✅ | ❌ |
| [Timm](./timm)                   | Coleção de modelos de imagem, scripts, pesos pré-treinados, etc.                        | ✅ | ✅ | ✅ | ✅ |
| [Transformers](./transformers)                 | Processamento de Linguagem Natural de última geração para PyTorch, TensorFlow e JAX        | ✅ | ✅ | ✅ | ✅ |
| [Transformers.js](./transformers-js)                | Machine Learning de ponta para a web. Execute o 🤗 Transformers diretamente no seu navegador, sem a necessidade de um servidor! | ❌ | ❌ | ✅ | ❌ |
| [Unity Sentis](./unity-sentis)                | Motor de inferência para o motor de jogos Unity 3D | ❌ | ❌ | ❌ | ❌ |

### Como posso adicionar suporte para uma nova biblioteca?

Se você tem interesse em adicionar sua biblioteca, entre em contato conosco! Leia sobre isso em [Guia para Adicionar uma Biblioteca](./models-adding-libraries).