本文介绍了如何在浏览器中使用Transformers.js构建多模态AI功能，包括图像分类、图像描述和语音转录。用户无需服务器或API密钥，所有数据在本地处理。教程分为三个部分：使用ViT模型进行图像分类，使用GPT-2解码器进行图像描述，以及使用OpenAI的Whisper架构进行语音转录。最终将三者整合为一个多模态媒体分析器，支持并行加载模型并在统一仪表板上展示结果。

本文介绍了如何使用Transformers.js和句子嵌入构建客户端语义搜索引擎，包括句子嵌入的工作原理、余弦相似度的计算、嵌入的生成与缓存，以及可重用的SemanticSearch类的创建。通过比较句子的语义而非关键词，语义搜索提高了搜索结果的相关性。

背景去除是图像处理中的常见任务，传统方法通常依赖复杂软件或云服务。本文介绍如何利用React和Transformers.js在浏览器中构建强大的背景去除工具，支持多种AI模型，具备批处理和内置图像编辑功能，确保用户隐私。

本文介绍了一个开源绘图板，利用Transformers.js实现背景去除和图像分割。采用Xenova/modnet模型进行背景去除，使用Xenova/slimsam-77-uniform模型进行图像分割，并支持WebGPU以提升处理速度。

该文章介绍了如何使用PGlite在IndexedDB中构建本地语义搜索体验。通过存储文本和嵌入，并使用pgvector进行内积搜索，可以快速展示相关产品或类似产品给用户。

开源日报第1082期推荐了开源项目《transformers.js》，该项目使用ONNX Runtime在浏览器中运行模型。英文原文《Top Three Causes of Memory Leaks in JavaScript》介绍了JavaScript中内存泄漏的三个主要原因：未清除的定时器和计时器、悬挂的事件监听器以及闭包。文章还提到了Chrome DevTools Memory Profiler作为开发者的有用工具。

本文介绍了使用Transformers.js制作基于机器学习的网页游戏的方法。作者展示了如何制作一个实时的ML-powered网页游戏Doodle Dash，该游戏完全在浏览器中运行。教程目标是向读者展示制作自己的ML-powered网页游戏的简单性。游戏中，玩家需要在一分钟内画出尽可能多的物品，每次给出一个提示词。如果模型预测正确，画布将被清除并给出一个新的词。教程分为三个部分：训练神经网络、使用Transformers.js在浏览器中运行模型和游戏设计。