今天刷GitHub，顺手翻了huggingface/transformers的星标数据——今天的新增星数是94。对做AI的人来说，这数背后藏着这个工具的价值。
它到底是什么？
这是一个模型定义框架，管的是文本、视觉、音频，还有多模态的AI模型。不管是当下最先进的哪类模型，它都能用来定义。而且不止能用现成模型做推理，还能直接拿它来自己训练新模型。用的是Python，大多数做AI的人都熟，不用为了它转语言，门槛不算高。
核心优势在哪？
说白了就是不用重复造轮子。之前开发者搞AI模型，不管是训文本模型还是视觉模型，都得从底层搭，调一大堆参数和模块。这个框架把这些重复的基础工作都封装成了统一接口，不管你玩的是单模态还是多模态，都用同一套逻辑。比如刚出来的某个多模态新模型，只要transformers支持，你几行代码就能跑起来，不用自己搭环境、抠底层细节。对小团队或者个人开发者来说，省的时间足够多做几个原型。
对现在的AI从业者意味着什么？
它降低了跨模态AI的开发门槛。现在AI迭代快，每天都有新模型冒出来，大家不用再纠结模型搭建的基础问题，能把精力放在创新上。比如想做个图文分类的小工具，不用从零写模型，调transformers里的现成多模态接口，改改参数就能快速测试。不管是搞研究的学生，还是想做产品的创业者，都能靠着它把想法快速落地。
现在每天新增94星，它的受欢迎度还在涨。只是有个问题值得琢磨——当越来越多的人依赖它来搭AI模型，会不会慢慢把它当成了默认的底层工具？
素材来源：GitHub Trending · AI情报、大模型、AI应用落地、开源生态
查看报道原文
发表第一条评论吧