用途：transformers.js 让 JavaScript/Node.js 环境直接运行机器学习推理，无需 Python 服务器。安装：npm install @huggingface/transformers。用法：从包中导入 pipeline，调用 pipeline(task, model?, options?) 创建管道，不传 model 时使用该任务默认模型，例如情感分析 pipeline("sentiment-analysis") 传入文本即可得到标签与分数。
主要能力：单一 pipeline 入口覆盖文本分类、命名实体识别、问答、填充掩码、摘要、翻译、文本生成、零样本分类、语音识别、音频分类、文本转语音、图像分类、图像分割、背景移除、目标检测、图像描述、文档问答、图像到图像、深度估计、特征提取等任务，并支持文本、视觉、音频和多模态。
模型选择：兼容模型需带 ONNX 权重，可在 Hugging Face Hub 用 library=transformers.js 及 pipeline_tag 筛选；建议先用 ModelRegistry.get_available_dtypes(modelId) 预检，空数组表示无 ONNX 文件，ModelFileNotFoundError 表示不存在或私有受限。
配置：多数管道支持 dtype 选项（fp32、fp16、q8、q4、q4f16），可按精度与内存取舍；device 传 "webgpu" 可在可用时用 GPU，默认 CPU/WASM；env 可控制远程模型、Node 磁盘缓存、浏览器缓存与日志级别。
限制与注意事项：管道持有模型权重和会话，用完必须调用 dispose()，且不得复用已释放的管道；不要在热循环里重复创建管道；不要阻塞启动等待模型下载；不要编造模型 ID。官方文档见 https://huggingface.co/docs/transformers.js，示例仓库见 https://github.com/huggingface/transformers.js-examples。收费、价格信息暂未提供。