浏览器里给短评打标签，Transformers.js 把模型接成一个函数

收集了一批短评，想在页面里先标出可能的正面或负面表达，不一定要为这一步单独搭一个Python服务。Transformers.js可以让JavaScript应用直接调用支持的模型，把输入文字转换成标签和分数。

它的入口很像一个普通函数，背后仍有模型文件、运行时和任务适配。看懂这个小例子，就比较容易判断它能放进网页的哪一部分。

官方短评示例，返回的是怎样的结果

README快速示例创建情感分析pipeline，输入一句表示喜欢该项目的英文，返回包含标签和分数的数组。这个pipeline将模型、输入预处理和输出处理组合起来，应用不必自己逐步拼接每个环节。

有两个条件不能被省略。第一，示例是英文材料，默认模型的语言范围不能直接扩展成中文；第二，标签分数来自所选模型，并不是对用户真实态度的权威判断。反讽、引用和复合情绪，仍可能需要结合上下文阅读。

因此，面向内容整理时，更适合把标签作为筛选信号，保留原文供编辑查看，而不是据此自动删除或改写评论。机器先帮助定位一组值得看的表达，人的判断仍能留在最后。

Transformers.js采用ONNX Runtime。浏览器中默认通过WASM在CPU运行，在支持条件下，也可以指定WebGPU使用GPU。选择设备不是保证提速的按钮，浏览器、模型算子和设备资源都可能影响结果。

项目还提供dtype选项，支持的取值随模型变化，可以选不同精度或量化格式。量化通常有助于减小下载与资源开销，但不能预先承诺对任何任务都没有质量影响。相同输入下的结果、等待时间和文件体积，应该一起观察。

对一个简单短评页面，先用小批量材料把输入与标签接通，再决定是否改用GPU或量化，往往更容易看出改动究竟改善了哪里。

项目默认从托管位置获取模型与预编译WASM文件。官方配置允许设置本地模型路径、关闭远程模型加载，并指定WASM文件位置。这为需要控制资源来源的应用提供了入口，但这些设置仍需要配合实际文件部署，不能只改一个开关就实现完整离线。

选模型时也要查看Transformers.js兼容标记和任务支持，Python库里存在的模型不一定能未经转换就直接放进浏览器。代码框架的Apache 2.0许可，也不替代模型权重条件。

它值得尝试的地方，是把一个明确的模型任务接到现有JavaScript流程里。先确定你需要标签、文本还是向量，再选择支持该任务和语言的模型，保留原输入与结果，才能让“页面里运行AI”变成一段具体可检查的功能。