近日，微軟推出的最新視覺基礎模型Florence-2取得重大突破，藉助Transformers.js技術，該模型現已能夠在支持WebGPU的瀏覽器中100%本地運行。這一突破爲AI視覺應用帶來了革命性的變化，使得強大的視覺識別功能可以直接在用戶的瀏覽器中實現，無需依賴遠程服務器。
即時瀏覽器端語音識別應用
在瀏覽器中直接運行先進的機器學習模型。
onnx-community
Supertonic-TTS-ONNX是一個基於ONNX格式的文本到語音轉換模型，能夠將英文文本轉換為自然流暢的語音。該模型基於Supertone/supertonic基礎模型開發，專為Transformers.js庫優化，支持在瀏覽器環境中高效運行。
SAM3是基於概念的任意分割模型，能夠根據輸入的點、框等提示信息生成精確的圖像分割掩碼。該版本是ONNX格式的SAM3跟蹤器模型，通過Transformers.js庫可在瀏覽器環境中高效運行。
tomasmcm
TeapotLLM的ONNX版本，支持通過Transformers.js在瀏覽器中運行的多語言文本生成模型。
基於ONNX格式的輕量級零樣本目標檢測模型，兼容Transformers.js，適用於瀏覽器端部署。
eligapris
這是微軟SpeechT5文本轉語音(TTS)模型的ONNX格式轉換版本，專為Transformers.js優化
這是OpenAI Whisper Large V3 Turbo模型的ONNX格式版本，專門適配Transformers.js庫，可在網頁端高效運行語音識別功能。該模型支持多語言語音轉錄和翻譯。
這是OpenAI Whisper-tiny模型的ONNX格式轉換版本，專門適配transformers.js庫，用於在Web瀏覽器中實現高效的語音識別功能。
基於 transformers.js 的深度估計模型，用於從單張圖像預測深度信息。
Depth-Anything-V2-Base 是一個基於 ONNX 格式的深度估計模型，適配 Transformers.js，用於在 Web 端進行圖像深度估計。
Depth Anything V2 Small 的 ONNX 版本，專為 Transformers.js 設計，用於單目深度估計任務。
xavierbarbier
基於Transformers.js的法語零樣本分類模型，支持對法語文本進行多類別分類而無需特定訓練
這是一個基於transformers.js的法語零樣本分類模型，適用於無需微調即可進行多類別文本分類任務。
Xenova
基於GAN的4倍超分辨率圖像放大模型，兼容Transformers.js
基於 YOLOv9 的目標檢測模型，適配 Transformers.js，支持在瀏覽器中運行
基於 YOLOv9 (GELAN-C) 架構的目標檢測模型，專為 Transformers.js 優化的 ONNX 版本
基於Transformers.js的深度估計模型ONNX版本，適用於網頁端應用
基於Transformers.js的深度估計模型，適配ONNX權重版本，用於從圖像中預測深度信息。
基於ONNX格式的小型深度估計模型，適配Transformers.js框架，適用於網頁端深度圖預測
vgorce
這是一個基於DistilBERT的多語言命名實體識別(NER)模型，支持10種語言，經過量化處理兼容Transformers.js。
基於DeBERTa-v3-large架構的自然語言推理模型，適配Transformers.js的ONNX權重版
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
