likes
comments
collection
share

Transformers.js:Web 上的最新机器学习技术(2)

作者站长头像
站长
· 阅读数 8

开始尝试

语音转文本

Transformers.js:Web 上的最新机器学习技术(2)

对于我们第一个示例,只有几行代码,模仿OpenAi whisper在浏览器中实现自动语音识别。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
</head>
<body>
    <script type="module">
        // 1. 从cdn导入transformers库,原文使用jsdelivr,由于墙的原因,使用unpkg代替
        import { pipeline } from 'https://unpkg.com/@xenova/transformers@2.8.0/dist/transformers.min.js'

        // 2. 创建自动语音识别流水线(ASR)
        // 并将Hugging Face Hub的模型id作为第二个参数
        const transcriber = await pipeline('automatic-speech-recognition', 'Xenova/whisper-tiny')
        
        // 3. 最后一步是将音频文件传递给pipeline
        // 可以用手机或者电脑录一段音频,丢到当前文件夹,我这里自己录了一段
        const output = await transcriber('test.m4a')
        console.log(output)
        document.write(output.text)
    </script>
</body>
</html>

Transformers.js:Web 上的最新机器学习技术(2)

我说的是生活就像海洋,只有意志坚定的人才能到达彼岸。可能是我的普通话不够标准吧哈哈哈哈,

随后将会重复使用这个模型,当然如果觉得中文准确性不够高,可以换个大一点的模型,并且可以选择是否翻译成英语。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
</head>
<body>
    <script type="module">
        // 1. 从cdn导入transformers库,原文使用jsdelivr,由于墙的原因,使用unpkg
        import { pipeline } from 'https://unpkg.com/@xenova/transformers@2.8.0/dist/transformers.min.js'

        // 2. 创建自动语音识别流水线(ASR)
        // 并将Hugging Face Hub的模型id作为第二个参数
        const transcriber = await pipeline('automatic-speech-recognition', 'Xenova/whisper-small')
        
        // 3. 最后一步是将音频文件传递给pipeline
        // 可以用手机或者电脑录一段音频,丢到当前文件夹,我这里自己录了一段
        const chineseOutput = await transcriber('test.m4a', {language: 'chinese'})
        console.log(chineseOutput)
        document.write(chineseOutput.text + '<br>')

        const englishOutput = await transcriber('test.m4a', {language: 'chinese', task: 'translate'})
        console.log(englishOutput)
        document.write(englishOutput.text + '<br>')
    </script>
</body>
</html>

Transformers.js:Web 上的最新机器学习技术(2)

物体检测

接下来我们尝试一下视觉任务,比如物体检测。

Transformers.js:Web 上的最新机器学习技术(2)

// 2. 创建对象检测流水线,这里不指定模型
// ,默认使用Facebook的轻量级目标检测转换器(DETR)
// 也就是ID为:Xenova/detr-resnet-50 这个模型
const detector = await pipeline('object-detection')

// 3. 将图像传递给流水线,并可以指定其他参数
// 比如阈值,以及边界框按百分比还是像素返回
const output = await detector('cat.jpg', { threshold: 0.9, percentage: true })
console.log(output)
// 比如我用一个猫咪的图片得到的结果:
// [
//     {
//         "score": 0.9989897608757019,
//         "label": "cat",
//         "box": {
//             "xmin": 0.36215442419052124,
//             "ymin": 0.18427562713623047,
//             "xmax": 0.8893325924873352,
//             "ymax": 0.8793745040893555
//         }
//     }
// ]

流水线的输出包含场景中检测到的每个物体信息的json,包括置信度、标签、边界框。

Transformers.js:Web 上的最新机器学习技术(2)

完成机器学习方面的工作之后,我们可以再添加一些代码,允许用户上传图像,并呈现预测的边界框

Transformers.js:Web 上的最新机器学习技术(2)

对于感兴趣的小伙伴

这里有手把手教你编写这样一个网页的教程

这个是源码

这个是demo体验网站

其他的一些流水线

目前为止我们支持了21种不同的流水线,并且还持续添加新的流水线。

Transformers.js:Web 上的最新机器学习技术(2)

比如最近发布了文本到语音的支持,与当前浏览器内置的语音合成api相比,明显不那么机械,就在上周(视频发布的时间),我们增加了超分辨率和图像修复。

如果你要寻找transformers.js兼容的模型,打开:hf.co/models ,选择libraries-Transformers.js

Transformers.js:Web 上的最新机器学习技术(2)

然后可以点击回到task选择你需要的流水线类型

我能在哪里使用Transformers.js

你可能会问,我能在哪里用上transformers.js?

目前最主要的还是Web端和PWA应用,他们都不需要用户安装,这也是为什么web会是开发者的首选目标。除此之外,浏览器提供了非常多的API,并且运行在安全的沙箱环境中。另一个好处是您不需要担心服务器成本,像前面的所有演示应用一样,你可以将应用作为静态网站免费部署到GithubPages、HuggingFaceSpace(vercel也是挺好的选择)。

当然如果开发者不一样切换到完全静态的网站,使用一些混合的方式也可以减轻成本,对于开发者来说,浏览器插件、服务端和类似Electron这样的框架也是非常合适的选择。

Transformers.js:Web 上的最新机器学习技术(2)

比如一个浏览器插件:PaperClip,当你选择一段pdf或者网页里的文本进行收藏之后,它能允许你用自然语言对之前已经收藏过的文本进行搜索。多亏了ai,你的任何数据都不会发送到外部API或者服务器。

虽然一开始Transformers.js并不是针对服务端开发的,但是随着发展,GithubIssue上提出了这方面的巨大需求。感谢这些issue,提供了Node.js和Deno相关的支持。这也是为什么在后端中JavaScript变得如此流行。

另一个有趣的用例是边缘计算里的机器学习,更具体的说,transformers.js能用于边缘计算函数,部署到边缘计算的代码足够小、轻量化,并以极低的延时完成特定的任务。Superbase在这方面有一篇很好的文章,它展示了在边缘函数中生成高质量的文本嵌入,强烈推荐你看一下!

自定义模型

假如你已经训练了自己自定义的模型,比如PyTorch、JAX、TensorFlow模型,你需要使用前文提到的Optimum库转换成ONNX模型。下面是官方文档教程:

huggingface.co/docs/transf…

总的来说就是:

  1. 下载github仓库,找到scripts子文件夹
  2. 安装必要的依赖
  3. 运行script.convert脚本将你模型转成ONNX模型
  4. 访问hf.co/new,创建仓库,上传模型
  5. 将Transformers.js标签添加到模型卡片上,以便其他人能搜索到你上传的模型。
  6. 测试你的模型(可以直接在node中运行)

Transformer.js的未来是什么

Transformers.js:Web 上的最新机器学习技术(2)

首先是添加新的任务和模型,对于比较流行的用例,力图实现和Python库一样能力。

接下来,无疑是最令人期待的更新,就是WebGPU的支持。onnxruntime-web发布了带有实验性的WebGPU后端,在进行更多的测试后,您很快就能看到使用基于WebGPU的Transformers.js应用。目前由于protobuf和WASM的限制,Transformers.js的模型限制在2GB以内,也就是说一些流行的大语言模型无法运行,比如llama-7b。

幸运的是社区正在努力克服这些约束,我们还计划改进与下一个Web浏览器的整合,下一代浏览器将以科学计算和AI API为焦点。比如,可以想象一个基于浏览器的模型商店,类似Chrome的拓展商城,他们可以在HuggingFaceHub上寻找到兼容的模型,点击按钮安装它,并在各个网页中使用它。现在Transformers.js在这方面还受到限制,为此每个站点或者每个拓展都会缓存一次模型。

以上就是来自Joshua对于Transformers.js的分享。

转载自:https://juejin.cn/post/7308725917454598198
评论
请登录