产品
别名：TransformersJS
Hugging Face 开发的 JavaScript 库，用于在浏览器中运行机器学习模型。
已跟踪 10 条高相关材料
最近变化
2026-09-20 · Transformers.js 4.3 新增结构化输出功能，支持 JSON schema 和正则表达式约束生成内容。
为什么值得关注
Transformers.js 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Structured Output in the browser with Transformers.js 4.3
Hugging Face · 8.5 分
Transformers.js 4.3 引入结构化输出功能，允许通过 JSON schema 和正则表达式约束生成的 token 结构，提升浏览器端模型输出的可控性。
Experimenting with the proposed Cross-Origin Storage API in Transformers.js
Hugging Face Blog · 8.5 分
跨域存储 API 可减少浏览器中模型资源的重复下载和缓存，提升性能。
Multimodal Browser AI with Transformers.js for Images and Speech
Machine Learning Mastery · 8.5 分
Transformers.js 可在浏览器中实现图像分类、图像描述和语音转录的多模态 AI，无需服务器或 API 密钥。
已收录 10 条与 Transformers.js 相关的内容，按评分排序。
Transformers.js 4.3 引入结构化输出功能，允许通过 JSON schema 和正则表达式约束生成的 token 结构，提升浏览器端模型输出的可控性。
入选理由：Transformers.js 4.3 新增结构化输出功能，支持 JSON schema 和正则表达式约束生成内容。
跨域存储 API 可减少浏览器中模型资源的重复下载和缓存，提升性能。
入选理由：使用跨域存储 API 可减少 177 MB 的重复下载和存储。
Transformers.js 可在浏览器中实现图像分类、图像描述和语音转录的多模态 AI，无需服务器或 API 密钥。
入选理由：Transformers.js 支持图像分类、图像描述和语音转录，且完全在浏览器中运行。
ONNX 是一种开放的神经网络交换格式，使模型在不同平台和设备上高效运行，Transformers.js 通过 ONNX 实现跨平台兼容性。
入选理由：ONNX 是一种开放标准，用于存储模型架构和权重。
使用 Transformers.js 在浏览器中实现实用的 NLP 任务，包括文本分类、零样本标签和问答。
入选理由：Transformers.js 允许在浏览器中离线运行状态-of-the-art NLP 模型。
Transformers.js 是一个将最先进的机器学习模型引入 JavaScript 的工具，通过 ONNX 格式实现高效推理。
入选理由：Transformers.js 使用 ONNX 格式存储模型计算图和权重，支持多种执行环境。
语义搜索可以通过 Transformers.js 和句子嵌入（Sentence Embeddings）完全在客户端实现，无需服务器或 API 密钥即可通过向量空间的几何距离检索含义相近的内容。
入选理由：使用 Transformers.js 可在浏览器端运行 all-MiniLM-L6-v2 等模型，实现零后端基础设施的语义检索。
张量是机器学习模型处理数据的基础结构，它将文本、图像、音频等现实世界输入转换为数字矩阵进行计算，最终输出有用结果。张量本质上是按形状组织的数字，包括标量（0D）、向量（1D）、矩阵（2D）和高维数组。
入选理由：张量是机器学习模型处理数据的核心结构，用于表示标量、向量、矩阵和高维数组。
张量是机器学习中组织数字的基本结构，用于将文本、图像和音频等现实世界数据转换为模型可处理的数值形式，实现从输入到输出的完整数据流。
入选理由：机器学习模型通过张量处理数据，张量是按形状组织的数字，标量为0D、向量为1D、矩阵为2D。
Transformers.js 通过 ONNX 标准在 JavaScript 中实现高效机器学习推理，自动处理模型下载、缓存和张量转换，简化 Web 端 AI 集成。
入选理由：Transformers.js 使用 ONNX Runtime 在 JavaScript 中运行模型推理，支持多种执行提供者。
