Hugging News #0703: 在浏览器中运行 Whisper 模型、WAIC 分论坛活动邀请报名

每一周，我们的同事都会向社区的成员们发布一些关于 Hugging Face 相关的更新，包括我们的产品和平台更新、社区活动、学习资源和内容更新、开源库和模型更新等，我们将其称之为「Hugging News」，本期 Hugging News 有哪些有趣的消息，快来看看吧！

重要更新

Whisper Web:在你的浏览器中运行语音识别

作为 Transformers.js v2.2.0 的示例应用，我们发布了一个名为 Whisper Web 的网页应用，它支持了 100 多种不同语言的转录和翻译，并支持切换模型、语言和任务。其代码是开源的，只需要几行代码即可运行。

在线体验:https://hf.co/spaces/Xenova/whisper-web

开源更新

Transformers v4.30 发布: 在更小的设备上运行大语言模型

Transformers 的 4.30 版本已经发布了，其中的 4-bit 量化是这次更新的亮点。4-bit 量化是一种降低深度学习模型大小和运算复杂度的技术。一般来说，深度学习模型中的参数是以 32-bit 浮点数（也就是我们常说的float）来表示的。每个这样的浮点数都需要 32 个 bit 的存储空间。然而，对于大多数的应用场景来说，我们并不需要这么高的精度。因此，我们可以通过量化技术将 32-bit 的浮点数转换为更低 bit 的表示，比如 4-bit，从而极大地降低模型的大小，加快模型运算速度，降低能耗。通过将模型转换为 4-bit 格式，使得模型的大小减小，从而可以在更小的设备上运行，比如只有 24GB 的 GPU 上就能运行一个 30B 的模型。而这在之前是不可能做到的。使用这个功能非常简单，只需要在 .from_pretrained() 加载函数中添加 load_in_4bit=True 即可，这将使你的模型在推理和训练时更加节省资源。

除此之外，这个版本还加入了在本地运行的 transformers agents、为了使 transformers 模型更加安全，将 safetensors 作为默认的序列化解决方案以及将 Meta 的 MMS 工作加入到 transformers 库中等。查阅详细的更新内容，请参与如下链接在 GitHub 上阅读:https://huggingface.link/tfs430

Transformers 正式使用 Accelerate 作为其 PyTorch 后端

在长期的使用中，我们发现 transformers 在不同设备上以及做分布式的训练时，其中有大量重复的代码，这并不是很