用途：Transformers.js 让开发者在 JavaScript/TypeScript 环境中直接运行机器学习模型，可在浏览器及 Node.js、Bun、Deno 等服务端运行时使用，无需 Python 后端。适用于文本分析、生成与翻译，图像分类、目标检测与分割，语音识别与音频处理，以及文生图、图生文等多模态应用，也支持纯浏览器端推理。
主要能力：核心是 pipeline API，将预处理、模型推理与后处理封装在一起，按任务名创建即可调用，例如 sentiment-analysis、text-classification、token-classification、question-answering、text-generation、translation、summarization、zero-shot-classification、image-classification、object-detection、image-segmentation、depth-estimation、automatic-speech-recognition、audio-classification、text-to-speech、image-to-text、document-question-answering、zero-shot-object-detection、feature-extraction 等。可指定自定义模型、设备（如 webgpu）与量化精度（fp32、fp16、q8、q4）。支持批量处理、进度回调、env 环境配置与 ModelRegistry 查看模型文件与缓存。
使用方式：安装 npm install @huggingface/transformers；浏览器可通过 CDN 以模块方式导入。基本用法为 import { pipeline } from '@huggingface/transformers'，再 await pipeline('任务名') 创建管道并调用。模型可从 Hugging Face Hub 按 library=transformers.js 与 pipeline_tag 筛选。使用完毕后必须调用 pipe.dispose() 释放内存。
适用场景：前端离线推理、浏览器内 AI 功能、Node 服务端轻量模型部署、多模态原型开发。
限制：模型体积从数 MB 到数 GB 不等，大模型在浏览器端较慢；量化会带来精度损失；WebGPU 需运行时支持，否则回退 WASM/CPU；模型的语言、任务与许可证限制需查看模型卡；资料未提供具体收费与价格信息。