huggingface/transformers-js

Was macht transformers-js?

Nutzen Sie Transformers.js, um modernste Machine-Learning-Modelle direkt in JavaScript/TypeScript auszuführen. Unterstützt NLP (Textklassifikation, Übersetzung, Zusammenfassung), Computer Vision (Bildklassifikation, Objekterkennung), Audio (Spracherkennung, Audioklassifikation) und multimodale Aufgaben. Läuft in Browsern und serverseitigen Laufzeitumgebungen (Node.js, Bun, Deno) mit WebGPU/WASM unter Verwendung vortrainierter Modelle vom Hugging Face Hub.

Installation

npm install @huggingface/transformers

Oder für Deno:

deno add npm:@huggingface/transformers

Grundlegende Verwendung

Textklassifikation (Browser/Node.js)

import { pipeline } from '@huggingface/transformers';

// Erstellen einer Textklassifikations-Pipeline
const classifier = await pipeline('sentiment-analysis');

const result = await classifier('Ich liebe Transformers.js!');
console.log(result);
// [{ label: 'POSITIVE', score: 0.999876 }]

Bildklassifikation

import { pipeline } from '@huggingface/transformers';

const classifier = await pipeline('image-classification');

const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/tiger.jpg';
const result = await classifier(url);
console.log(result);
// [{ label: 'tiger', score: 0.892 }]

Unterstützte Aufgaben

Aufgabe	Pipeline-Name	Beispiele
Textklassifikation	sentiment-analysis	Stimmungsanalyse
Übersetzung	translation	Übersetzung zwischen Sprachen
Zusammenfassung	summarization	Textzusammenfassung
Bildklassifikation	image-classification	Objekterkennung
Objekterkennung	object-detection	Echtzeit-Objekterkennung
Spracherkennung	automatic-speech-recognition	Transkription
Audioklassifikation	audio-classification	Audio-Labeling
Textgenerierung	text-generation	Textvervollständigung

Konfiguration (WebGPU/WASM)

Standardmäßig wählt Transformers.js automatisch den besten verfügbaren Backend aus (webgpu oder wasm). Sie können den Backend manuell festlegen:

import { env } from '@huggingface/transformers';

// WebGPU erzwingen (bevorzugt für GPU-Beschleunigung)
env.backends.onnx.backend = 'webgpu';

// Oder WASM erzwingen (fallback)
env.backends.onnx.backend = 'wasm';

Modelle vom Hugging Face Hub verwenden

Sie können jedes kompatible Modell vom Hugging Face Hub mit seiner ID referenzieren:

const classifier = await pipeline('sentiment-analysis', {
  model: 'Xenova/distilbert-base-uncased-finetuned-sst-2-english'
});

Fehlerbehandlung

try {
  const result = await classifier('Beispieltext');
} catch (error) {
  console.error('Fehler bei der Ausführung des Machine-Learning-Modells:', error);
}

Unterstützte Laufzeitumgebungen

• Browser: Modern browsers with WebGPU/WASM support (Chrome, Edge, Firefox, Safari 15+)
• Node.js: Node.js 18+ mit --experimental-wasm-threads Flag
• Bun: Bun 1.0+
• Deno: Deno 1.30+

Ressourcen

• Dokumentation
• Hugging Face Hub
• Beispiele
• API-Referenz