我要投稿

可以在浏览器中本地运行Whisper了！

发布日期：2024-10-14 09:48:09 浏览次数： 2667

作者：AGI Hunt

微信搜一搜，关注“AGI Hunt”

开发者Matt Palmer最近分享了一个演示：在浏览器中直接运行Whisper模型，无需任何API调用。

浏览器中的AI魔法

在Matt分享的视频中，我们可以看到Whisper模型在浏览器环境下流畅运行，实时将语音转换为文字。

这种本地化的AI处理方式不仅提高了响应速度，还避免了数据传输过程中可能存在的隐私风险。

技术背后的英雄

Matt特别感谢了@xenovacom和@huggingface提供的transformersjs库，这个强大的工具使得在浏览器中运行复杂的AI模型成为可能。

transformersjs是Hugging Face团队开发的JavaScript库，它允许开发者在浏览器或Node.js环境中使用各种预训练模型，包括Whisper这样的语音识别模型。

实践指南

对于想要尝试这项技术的开发者，可以参考Gradio官方提供的指南。以下是一个简单的示例代码：

import gradio as grfrom transformers_js_py import pipeline
pipe = await pipeline('sentiment-analysis')
demo = gr.Interface.from_pipeline(pipe)
demo.launch()

这段代码展示了如何在浏览器中创建一个情感分析应用。通过修改pipeline的类型，开发者可以轻松切换到其他AI任务，如图像分类或语音识别。

这也标志着AI应用开发正在向着更加轻量化、隐私友好的方向发展。

它不仅降低了开发和部署的门槛，还为终端用户提供了更快速、更安全的AI体验。

随着浏览器性能的不断提升和Web技术的持续进步，以及AI 模型不断瘦身，前端开发也可以本地玩转AI 大模型了！

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-06-12

PaddleOCR 3.7 正式接入ONNX Runtime，一个参数换后端，轻量部署新选择

2026-06-11

本地部署OCR，可能是AI进单位的第一道门

2026-06-08

正式推出 Gemma 4 12B: 一款统一、免编码器的多模态模型

2026-05-30

还在用 MinerU 解析 PDF？这个 2B 小模型直接把 olmOCR-bench 刷到 87.6%，速度还快 3.68 倍

2026-05-30

Qwen-VLA：迈向通用具身智能的统一动作框架

2026-05-25

罗福莉说的“伪多Agent”，我试了OmniWork后发现，真全干专家长这样

2026-05-19

从画稿到代码，AI Agent 正在吃掉产品设计的中间环节

2026-05-16

PDF解析折腾半年，最后靠这套方案搞定了

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

刚刚！Codex 居然能直接画图了，OpenAI 凌晨甩出 Image 2.0

2026-04-22

震惊！即梦推出 CLI，Agent 一行命令生成 Seedance 2.0 视频，AI 视频井喷

2026-04-01

全解读｜智谱 GLM-5V-Turbo 发布，多模态 Coding 基模

2026-04-02

GLM-OCR技术细节全公开

2026-03-18

让“龙虾”帮你自动赚钱！OpenClaw Seedance 2.0 视频生成全攻略

2026-03-29

用Claude Code剪视频，自动去口癖、加字幕、调色，完全免费开源

2026-04-21

一个神奇的视频生成 Skills，实测，狂喜

2026-04-27

豆包「打电话」升级 Seeduplex：周围再吵，只认准你的声音

2026-04-09

千问发布Qwen3.5-Omni全模态模型，超越Gemini3.1 Pro？附实测~

2026-03-31

刚刚，李飞飞最新成果发布，手机也能跑亿级粒子的 3D 世界了｜附体验地址

2026-04-15

大家都在问

Gemini Embedding 2把多模态信息整合同一向量空间了，还需要多向量列吗？

2026-03-12

一篇文章讲清楚：到底什么是NotebookLM？除了PPT，它还能做啥？

2025-12-31

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw

可以在浏览器中本地运行Whisper了！

浏览器中的AI魔法

技术背后的英雄

更多可能性

实践指南