‏Transformers.js 4.3: خروجی JSON تضمینی تو مرورگر

تیم هاگینگ‌فیس نسخه ۴.۳ کتابخونه Transformers.js رو منتشر کرده، همون کتابخونه‌ای که مدل‌های یادگیری ماشین رو مستقیم تو مرورگر یا Node.js اجرا می‌کنه بدون اینکه سرور پایتونی بخوای. تو یادداشت انتشار اومده که سرفصل اصلی این نسخه structured output هست، یعنی می‌تونی جلوی مدل رو بگیری تا فقط خروجی‌ای تولید کنه که با یه ساختار از پیش تعیین‌شده جور دربیاد.

این قابلیت تو یه پکیج جدا و بدون وابستگی به اسم @huggingface/transformers-structured-output اومده و فعلاً آزمایشیه. طرز کارش اینه که یه StructuredOutputProcessor می‌سازی و به عنوان logits processor (یعنی چیزی که سر هر توکن دخالت می‌کنه و انتخاب‌های غیرمجاز رو حذف می‌کنه) به pipeline می‌دیش. از اون به بعد تولید متن به JSON Schema، آبجکت JSON یا یه عبارت منظم مقید می‌شه. یعنی دیگه لازم نیست خروجی مدل رو با regex تمیز کنی یا امیدوار باشی JSON سالم بده.

const processor = new StructuredOutputProcessor(generator.tokenizer, {
  type: "json_schema",
  json_schema: { type: "object", properties: { sentiment: { enum: ["positive", "negative", "neutral"] } } },
});

const output = await generator(messages, { logits_processor: [processor] });

یه محدودیت داره که خودشون هم گفتن: فعلاً فقط یه دنباله خروجی در لحظه پشتیبانی می‌شه و باید بودجه توکن رو کافی بذاری تا خروجی نصفه نمونه. کنارش سه معماری مدل جدید اضافه شده: DeepSeek-V4، Zaya و HRM-Text. تو بخش مرورگر هم WebGPU برای سافاری ۲۶ و بالاتر روشن شده، که تا قبلش عملاً فقط رو کروم و مشتقاتش جواب می‌داد.

بقیه تغییرات بیشتر رفع باگه: دانلود تکراری فایل مدل وقتی progress_callback فعال بود درست شد، callback های پیشرفت Whisper تعمیر شدن، دیکد شدن توکن‌های Moonshine ASR اصلاح شد و KV cache بعد از تولید Chatterbox آزاد می‌شه. Cross-Origin Storage هم حالا از requestFileHandle() استفاده می‌کنه و همه origin ها رو قبول می‌کنه. مستندات کامل بازنویسی شدن و ONNX Runtime به آخرین نسخه آپدیت شده.

نکات کلیدی:

• structured output تو پکیج جدا @huggingface/transformers-structured-output و هنوز آزمایشیه
• خروجی رو می‌شه به JSON Schema، آبجکت JSON یا عبارت منظم مقید کرد
• فعلاً فقط یه دنباله خروجی در هر بار پشتیبانی می‌شه
• سه معماری جدید: DeepSeek-V4، Zaya و HRM-Text
• WebGPU روی سافاری ۲۶ و بالاتر فعال شد
• ONNX Runtime آپدیت شد و کل مستندات بازنویسی شد