支持的模型架构本文档列出了 Transformers.js 当前支持的模型架构。自然语言处理文本模型ALBERT- 用于自监督学习的轻量版 BERTA Lite BERTBERT- Transformer 的双向编码器表示CamemBERT- 基于 RoBERTa 的法语语言模型CodeGen- 代码生成模型CodeLlama- 专注于代码的 Llama 模型Cohere- 用于 RAG 的 Command-R 模型DeBERTa- 使用解耦注意力机制增强解码的 BERTDeBERTa-v2- DeBERTa 的改进版本DistilBERT- BERT 的蒸馏版本更小、更快GPT-2- 生成式预训练 Transformer 2GPT-Neo- 开源 GPT-3 替代方案GPT-NeoX- 更大的 GPT-Neo 模型LLaMA- Meta AI 大型语言模型Mistral- Mistral AI 语言模型MPNet- 掩码与置换预训练MobileBERT- 面向移动设备的压缩版 BERTRoBERTa- 稳健优化的 BERTT5- 文本到文本迁移 TransformerXLM-RoBERTa- 多语言 RoBERTa序列到序列BART- 去噪序列到序列预训练Blenderbot- 开放域聊天机器人BlenderbotSmall- 更小的 Blenderbot 变体M2M100- 多对多多语言翻译MarianMT- 神经机器翻译mBART- 多语言 BARTNLLB- 不遗漏任何语言支持 200 种语言Pegasus- 使用抽取的间隔句进行预训练计算机视觉图像分类BEiT- 图像 Transformer 的 BERT 预训练ConvNeXT- 现代 ConvNet 架构ConvNeXTV2- 改进的 ConvNeXTDeiT- 数据高效的图像 TransformerDINOv2- 自监督视觉 TransformerDINOv3- 最新的 DINO 迭代版本EfficientNet- 高效的卷积网络MobileNet- 面向移动端的轻量级模型MobileViT- 移动端视觉 TransformerResNet- 残差网络SegFormer- 语义分割 TransformerSwin- 移位窗口 TransformerViT- 视觉 Transformer目标检测DETR- 检测 TransformerD-FINE- 用于目标检测的细粒度分布细化DINO- 改进去噪锚框的 DETRGrounding DINO- 开放集目标检测YOLOS- You Only Look at One Sequence分割CLIPSeg- 使用文本提示进行图像分割Mask2Former- 通用图像分割SAM- Segment Anything Model分割一切模型EdgeTAM- 设备端 Track Anything Model深度与姿态DPT- 密集预测 TransformerDepth Anything- 单目深度估计Depth Pro- 高精度单目度量深度GLPN- 用于深度的全局-局部路径网络音频语音识别Wav2Vec2- 自监督语音表示Whisper- 稳健的语音识别多语言HuBERT- 自监督语音表示学习音频处理Audio Spectrogram Transformer- 音频分类DAC- Descript 音频编解码器文本转语音SpeechT5- 统一语音与文本预训练VITS- 带对抗学习的条件变分自编码器多模态视觉-语言CLIP- 对比语言-图像预训练Chinese-CLIP- CLIP 的中文版本ALIGN- 大规模噪声图像-文本对BLIP- 引导式语言-图像预训练Florence-2- 统一视觉基础模型LLaVA- 大型语言与视觉助手Moondream- 微型视觉-语言模型文档理解DiT- 文档图像 TransformerDonut- 免 OCR 的文档理解LayoutLM- 用于文档理解的预训练TrOCR- 基于 Transformer 的 OCR音频-语言CLAP- 对比语言-音频预训练嵌入与相似度Sentence Transformers- 句子嵌入all-MiniLM- 高效句子嵌入all-mpnet-base- 高质量句子嵌入E5- 微软的文本嵌入模型BGE- 通用嵌入模型nomic-embed- 长上下文嵌入专用模型代码CodeBERT- 面向代码的预训练模型GraphCodeBERT- 代码结构理解StarCoder- 代码生成科学SciBERT- 科学文本BioBERT- 生物医学文本检索ColBERT- 基于 BERT 的上下文晚期交互DPR- 密集段落检索模型选择建议文本任务小巧快速DistilBERT、MobileBERT均衡BERT-base、RoBERTa-base高精度RoBERTa-large、DeBERTa-v3-large多语言XLM-RoBERTa、mBERT视觉任务移动端/浏览器MobileNet、EfficientNet-B0均衡DeiT-base、ConvNeXT-tiny高精度Swin-large、DINOv2-large音频任务语音识别Whisper-tiny快速、Whisper-large准确音频分类Audio Spectrogram Transformer多模态视觉-语言CLIP通用、Florence-2全面文档 AIDonut、LayoutLMOCRTrOCR在 Hugging Face Hub 上查找模型搜索兼容的模型https://huggingface.co/models?librarytransformers.js按任务筛选https://huggingface.co/models?pipeline_tagtext-classificationlibrarytransformers.js通过在模型仓库中查找onnx/文件夹来检查是否支持 ONNX。