🤗

HuggingFace pipeline() — AIモデルのnpmが動く仕組み

Hubに100万以上のモデルが登録され、pipeline()が名前で自動ダウンロードし推論まで行う

npmとHuggingFace Hub

npm        → npm install lodash       → node_modules/lodash/
PyPI       → pip install requests      → site-packages/requests/
HuggingFace → pipeline(model="gpt2")   → ~/.cache/huggingface/hub/

npmと同じく誰でもAIモデルをアップロード可能。現在100万以上のモデルが登録済み。

pipeline()がやること

pipe = pipeline("sentiment-analysis", model="nlptown/...")
result = pipe("I love this!")

裏側：
1. ダウンロード — config.json + model.safetensors + tokenizer.jsonをHubから
2. 前処理 — トークナイザーでテキスト→トークンID（ルックアップテーブル）
3. model(input) — ダウンロードした重みで推論（唯一のニューラルネット部分）
4. 後処理 — argmax→人が読めるラベル

~/.cache/huggingface/hub/にキャッシュ。2回目以降は再ダウンロードなし。

1つのインターフェースで全分野

タスク名を変えるだけ：

テキスト： sentiment-analysis, translation, summarization, text-generation, ner, ...
オーディオ： audio-classification, automatic-speech-recognition, text-to-audio
画像： image-classification, object-detection, image-segmentation

pipeline()が対応しないモデル

HuggingFace transformersに統合されたモデルのみ。独立プロジェクト（Demucs、GPT-SoVITS等）は自前API。ただし重みはHubにホストされることが多い。

npm比較

	npm	HuggingFace Hub
レジストリ	npmjs.com	huggingface.co
インストール	npm install	pipeline(model="...") 自動
キャッシュ	node_modules/	~/.cache/huggingface/
登録数	～300万	～100万
ファイル	JS + package.json	重み + config.json + tokenizer