Hub documentation
Hugging FaceでのTransformers.jsの活用
シングルサインオン(SSO) 監査ログ ストレージリージョン プライベートデータセット用の Data Studio リソースグループ(アクセス制御) 高度な計算オプション 高度なセキュリティ トークン管理 サービスアカウント パブリッシャー分析 ゲーティンググループコレクション ネットワークセキュリティ ダウンロード分析 レート制限 ブログ記事
PRO Plan リポジトリ リポジトリの入門 リポジトリ設定 ストレージの制限 ストレージバックエンド (Xet) ローカルキャッシュ Pull Requests と Discussions 通知 コレクション Webhooks GitHub Actions ノートブック 次のステップ ライセンス
モデル モデルハブ モデルカード 評価結果 リーダーボードデータ ゲート付きモデル モデルのアップロード モデルのダウンロード 統合ライブラリ
データセット アダプター AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras(レガシー) ML-Agents mlx-image MLX OpenCLIP PaddleNLP peft RL-Baselines3-Zoo Sample Factory Sentence Transformers SetFit spaCy SpanMarker SpeechBrain Stable-Baselines3 Stanza TensorBoard timm Transformers Transformers.js Unity Sentis
モデルウィジェット モデル推論 モデルのダウンロード統計 モデルリリースチェックリスト ハードウェア ローカルアプリ よくある質問 高度なトピック Datasetsの概要 Dataset Cards Gated Datasets Datasets のアップロード データセットのアップロード(LLM用) データのダウンロード ストリーミングデータセット 統合ライブラリ Data Studio エージェントのトレース Datasets ダウンロード統計
Spaces Spaces 概要 Spaces GPU アップグレード Spaces ZeroGPU Spaces Dev Mode Spaces ディスク使用量とストレージ Spaces カスタムドメイン SpacesをMCPサーバーとして Spacesをエージェントツールとして Spaces を API エンドポイントとして利用する Gradio Spaces Streamlit Spaces 静的 HTML Spaces Docker Spaces Space を埋め込む Docker で Spaces を実行する Spaces 設定リファレンス HFでサインイン 注目のスペース Spaces 変更履歴 高度なトピック
ストレージバケット new コンテナイメージ new ジョブ ジョブの概要 クイックスタート 料金と請求 ジョブの管理 設定 Dockerイメージの使用 モデルのサービング モデルの学習 例とチュートリアル 大規模なデータセットの処理 ジョブのスケジュール設定 Webhook 自動化 リファレンス
エージェント エージェントの概要 AIエージェント向けHugging Face CLI Hugging Face MCP Server Hugging Face Agent Skills HF SDK を用いたエージェントの構築 llama.cppによるローカルエージェント エージェントライブラリ セッショントレース形式
その他 Hugging FaceでのTransformers.jsの活用
Transformers.jsは、サーバーなしでブラウザ上で🤗 Transformersを直接実行するためのJavaScriptライブラリです。元のPythonライブラリと機能的に同等になるよう設計されており、非常に類似したAPIを使用して同じ事前学習済みモデルを実行できます。
Hubでのtransformers.jsの探索
モデルページでライブラリをフィルタリングすることで、transformers.jsのモデルを見つけることができます。
クイックツアー
既存のコードからの変換は非常に簡単です。Pythonライブラリと同様に、pipeline APIをサポートしています。パイプラインは事前学習済みモデルと、入力の前処理および出力の後処理をまとめて提供するため、このライブラリでモデルを実行する最も簡単な方法です。
| Python(オリジナル) | JavaScript(自社製) |
|---|---|
from transformers import pipeline
# Allocate a pipeline for sentiment-analysis
pipe = pipeline('sentiment-analysis')
out = pipe('I love transformers!')
# [{'label': 'POSITIVE', 'score': 0.999806941}] | import { pipeline } from '@huggingface/transformers';
// Allocate a pipeline for sentiment-analysis
let pipe = await pipeline('sentiment-analysis');
let out = await pipe('I love transformers!');
// [{'label': 'POSITIVE', 'score': 0.999817686}] |
pipeline関数の第2引数としてモデルIDまたはパスを指定することで、別のモデルを使用することもできます。例:
// Use a different model for sentiment-analysis
let pipe = await pipeline('sentiment-analysis', 'nlptown/bert-base-multilingual-uncased-sentiment');サポートされているタスクとモデルの完全なリストについては、ドキュメントを参照してください。
インストール
NPM経由でインストールするには、次のコマンドを実行します:
npm i @huggingface/transformers
詳細については、CDNや静的ホスティングを介してバンドラーなしのバニラJSで使用するなどの方法については、READMEを参照してください。