# ウェブ対応

Qwen3-1.7Bは、Alibaba Cloudが提供する1.7Bパラメータ規模のオープンソース大規模言語モデルで、Transformerアーキテクチャに基づき、様々な自然言語処理タスクをサポートします。

LaMini-Flan-T5-783M はT5アーキテクチャに基づく軽量テキスト生成モデルで、英語、ロシア語、ウクライナ語をサポートし、様々な自然言語処理タスクに適しています。

職場に不適切（NSFW）なコンテンツを含む画像を検出するモデルで、ウェブデプロイをサポート

ONNX形式で最適化されたWhisper大規模音声認識モデル、ウェブ展開向けに設計

Hieraは効率的なビジョントランスフォーマーモデルで、画像分類タスク向けに設計されており、少ないパラメータ数と高い計算性能を備えています。

TimeSformerはTransformerアーキテクチャに基づくビデオ理解モデルで、ビデオ分類タスクに特化しています。

WhisperはOpenAIが訓練した汎用音声認識モデルです。大規模な弱教師あり学習に基づいており、複数言語の音声転写をサポートします。

WhisperはOpenAIが訓練した自動音声認識(ASR)システムで、多言語音声の文字起こしをサポートしています。

MusicGen SmallはTransformerアーキテクチャに基づく音楽生成モデルで、テキスト記述から高品質な音楽フレーズを生成できます。

YOLOv9に基づく物体検出モデル、Transformers.jsに対応し、ブラウザ上で動作可能

YOLOv9 (GELAN-C) アーキテクチャに基づく物体検出モデル、Transformers.js向けに最適化されたONNXバージョン

Transformers.jsベースの深度推定モデルONNX版、ウェブアプリケーション向け

HuBERTアーキテクチャに基づく音声コマンド認識モデル、キーワード認識タスク向けに最適化

DINOv2はFacebook Researchがリリースした視覚モデルで、自己教師あり学習により汎用的な視覚特徴を抽出し、様々な下流タスクに適用可能です。

OWL-ViTは、視覚Transformerベースのゼロショット物体検出モデルで、微調整なしで新しいカテゴリの物体を検出できます。

Intelが開発したハイブリッド深度推定モデルで、畳み込みニューラルネットワークとTransformerアーキテクチャの利点を組み合わせている

Nougatは視覚ベースの学術文書理解モデルで、科学PDF画像をMarkdown形式のテキストに変換できます。

TrOCR-small-printedは、印刷テキストの認識に特化した小型の光学文字認識（OCR）モデルです。

TrOCRはTransformerベースのOCRモデルで、印刷テキストの認識に特化しています。

DistilBART-CNN-12-6はBARTモデルの蒸留版で、テキスト要約タスクに最適化されており、サイズが小さいながらも高い性能を維持しています。

YOLOSはTransformerアーキテクチャに基づく物体検出モデルで、視覚タスクの効率的な処理のために設計されています。

YOLOS-small は Transformer アーキテクチャに基づく小型の物体検出モデルで、効率的な視覚タスク向けに設計されています。

DeBERTa-v3-largeアーキテクチャに基づく自然言語推論モデル、Transformers.js用ONNX重み版

DeBERTaアーキテクチャに基づく自然言語推論(NLI)モデルで、ゼロショット分類タスクに適しており、Transformers.js互換のONNX形式に変換済み

DeBERTa-v3ベースのゼロショット分類モデルで、マルチタスク自然言語推論（MNLI）、FEVER、ANLIタスクをサポートし、Transformers.jsに適応するためにONNX形式に変換済み

DeBERTa-v3ベースの小型自然言語推論モデル、ゼロショット分類タスクに適応

E5-small-v2 は、さまざまな自然言語処理タスクに適した効率的なテキスト埋め込みモデルです。

Facebookのwav2vec2-base-960hモデルをONNX形式に変換したバージョンで、Transformers.js向けに設計されており、ブラウザ上での音声認識をサポート

MMS-LID-4017 は4017言語をサポートする音声認識モデルで、Facebookによって開発され、言語識別タスクに特化しています。

MMS-LID-126 は Facebook がリリースした多言語音声認識モデルで、126言語の識別をサポートしています。

ASTアーキテクチャに基づく音声コマンド認識モデル、ウェブ展開向けに最適化されたONNXフォーマット版

AudioSetデータセットでファインチューニングされたオーディオスペクトログラムトランスフォーマー（AST）モデル、オーディオ分類タスク用

Whisper MediumはOpenAIが開発した中規模の音声認識モデルで、多言語の自動音声認識（ASR）タスクをサポートしています。

Transformerアーキテクチャに基づくエンドツーエンドの物体検出モデル、ResNet-101特徴抽出器を組み合わせ

Whisper SmallはOpenAIが開発した小型の自動音声認識（ASR）モデルで、音声をテキストに変換できます。

WhisperはOpenAIが訓練した自動音声認識(ASR)システムで、多言語の音声テキスト変換タスクをサポートします。

BARTアーキテクチャに基づく大規模テキスト要約モデルで、CNN/DailyMailデータセットに最適化されています

OpenAI Whisper-tiny.en モデルの ONNX 重みバージョン、Transformers.js 用に設計され、英語音声転写に使用されます。