# 網頁端適配

Qwen3-1.7B 是阿里雲推出的1.7B參數規模的開源大語言模型，基於Transformer架構，支持多種自然語言處理任務。

LaMini-Flan-T5-783M 是一個基於T5架構的輕量級文本生成模型，支持英語、俄語和烏克蘭語，適用於多種自然語言處理任務。

用於檢測圖像是否包含不適宜工作場所（NSFW）內容的模型，支持網頁端部署

基於ONNX格式優化的Whisper大型語音識別模型，專為網頁端部署設計

Hiera是一種高效的視覺Transformer模型，專為圖像分類任務設計，具有較小的參數量和高效的計算性能。

TimeSformer 是一個基於 Transformer 架構的視頻理解模型，專門用於處理視頻分類任務。

Whisper是一個通用的語音識別模型，由OpenAI訓練。該模型基於大規模弱監督訓練，支持多種語言的語音轉錄。

Whisper是一個自動語音識別(ASR)系統，由OpenAI訓練，支持多語言語音轉錄。

MusicGen Small 是一個基於 Transformer 架構的音樂生成模型，能夠根據文本描述生成高質量的音樂片段。

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HuBERT架構的語音指令識別模型，專為關鍵詞識別任務優化

DINOv2是Facebook Research發佈的視覺模型，通過自監督學習提取通用視覺特徵，適用於多種下游任務。

OWL-ViT是一個基於視覺Transformer的零樣本目標檢測模型，能夠在不進行微調的情況下檢測新類別的物體。

Intel開發的混合深度估計模型，結合了卷積神經網絡和Transformer架構的優勢

Nougat是一個基於視覺的學術文檔理解模型，能夠將科學PDF圖像轉換為Markdown格式文本。

TrOCR是基於Transformer的OCR模型，專門用於識別印刷體文本。

TrOCR-small-printed 是一個小型的光學字符識別（OCR）模型，專門用於識別印刷體文本。

DistilBART-CNN-12-6是BART模型的蒸餾版本，專為文本摘要任務優化，體積更小但保持較高性能。

YOLOS是基於Transformer架構的目標檢測模型，專為高效處理視覺任務而設計。

YOLOS-small 是一個基於 Transformer 架構的小型目標檢測模型，專為高效視覺任務設計。

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

基於DeBERTa架構的自然語言推理(NLI)模型，適用於零樣本分類任務，已轉換為ONNX格式以兼容Transformers.js

基於DeBERTa-v3的零樣本分類模型，支持多任務自然語言推理（MNLI）、FEVER和ANLI任務，已轉換為ONNX格式以適配Transformers.js

基於DeBERTa-v3的小型自然語言推理模型，適用於零樣本分類任務

E5-small-v2 是一個高效的文本嵌入模型，適用於多種自然語言處理任務。

基於wav2vec2架構的音頻分類模型，適用於關鍵詞檢測任務

基於Facebook wav2vec2-base-960h模型的ONNX格式轉換版本，專為Transformers.js設計，支持瀏覽器端語音識別

MMS-LID-4017 是一個支持4017種語言的語音識別模型，由Facebook開發，專注於語言識別任務。

MMS-LID-126 是 Facebook 發佈的多語言語音識別模型，支持 126 種語言的識別。

基於AST架構的語音命令識別模型，專為網頁端部署優化的ONNX格式版本

基於AudioSet數據集微調的音頻譜圖變換器(AST)模型，用於音頻分類任務

Whisper Medium 是 OpenAI 開發的中等規模語音識別模型，支持多種語言的自動語音識別（ASR）任務。

基於Transformer架構的端到端目標檢測模型，結合ResNet-101特徵提取器

Whisper Small 是 OpenAI 開發的一個小型自動語音識別（ASR）模型，能夠將語音轉換為文本。

Whisper是一個自動語音識別(ASR)系統，由OpenAI訓練，支持多種語言的語音轉文本任務。

基於BART架構的大型文本摘要模型，專為CNN/DailyMail數據集優化

OpenAI Whisper-tiny.en 模型的 ONNX 權重版本，專為 Transformers.js 設計，用於英語語音轉錄。