KerasFormers

KerasFormers es una biblioteca de código abierto que reimplementa arquitecturas de modelos populares —desde detectores de objetos como DETR hasta LLM como Qwen3 y reconocimiento de voz con Whisper— enteramente en Keras 3. El proyecto ha portado más de 118 familias de modelos, cada una con pesos convertidos desde los checkpoints originales. La propuesta es sencilla: escribes tu código una vez y se ejecuta en JAX, PyTorch o TensorFlow sin necesidad de transformers o torch de Hugging Face en el momento de la inferencia.

Empezar es sorprendentemente directo. Instala el paquete con pip y luego llama a `from_weights` en cualquier clase de modelo; puedes pasar un identificador de repositorio de la organización de KerasFormers en Hugging Face, el nombre de una variante simple o incluso un repositorio compatible de Hugging Face con el prefijo `hf:`. El procesador correspondiente se construye de la misma manera, por lo que la resolución y la normalización siempre coinciden con el checkpoint. Eso es todo: dos llamadas a funciones para obtener predicciones. La biblioteca incluye modelos para detección de objetos, segmentación semántica, estimación de profundidad, segmentación mediante prompts (SAM 3), detección de vocabulario abierto (OWLv2) y generación de texto.

KerasFormers está pensada para desarrolladores e investigadores que quieran experimentar con múltiples backends sin tener que reescribir sus pipelines. Si necesitas comparar la velocidad de inferencia entre JAX, PyTorch y TensorFlow, o si prefieres la API de Keras pero necesitas acceso a arquitecturas modernas, esta biblioteca te ahorra el trabajo de portar los modelos. También es útil para despliegues en producción donde quieras evitar cargar todo el stack de transformers. El proyecto está alojado en GitHub y los pesos se encuentran en Hugging Face, por lo que la integración en los flujos de trabajo existentes es lo más sencilla posible.