Muchas definiciones populares de entropía para señales, incluyendo entropía aproximada y entropía de muestra, se basan en la idea de incrustar la serie temporal en un espacio dimensional, con el objetivo de detectar relaciones complejas, más profundas y más informativas entre las muestras. Sin embargo, tanto para la entropía aproximada como para la entropía de muestra, el alto costo computacional es una limitación severa. Especialmente cuando se procesan grandes cantidades de datos, o cuando se emplea la sintonización de parámetros presuponiendo un gran número de ejecuciones, la necesidad de algoritmos de cálculo rápido se vuelve urgente. En el pasado, nuestro equipo de investigación propuso algoritmos rápidos para la entropía de muestra, entropía aproximada y entropía de burbuja. En el caso general, el algoritmo asistido por cubetas fue el que presentó los tiempos de ejecución más bajos. En este documento, explotamos las oportunidades brindadas por la tecnología de multihilo para reducir aún más el tiempo de cálculo. Sin requisitos especiales en hardware, ya que hoy en día incluso nuestros ordenadores domésticos económicos admiten el multihilo, el cálculo de las definiciones de entropía puede acelerarse significativamente. El objetivo de este documento es triple: (a) extender el algoritmo asistido por cubetas para procesadores multihilo, (b) presentar tiempos de ejecución actualizados para el algoritmo asistido por cubetas ya que los avances en hardware y tecnología de compiladores afectan tanto los tiempos de ejecución como las ganancias, y (c) proporcionar una biblioteca de Python que envuelva implementaciones rápidas en C capaces de ejecutarse en paralelo en procesadores multihilo.