Chuyển đến nội dung

huggingface / transformers

Hugging Face Transformers

Thư viện Python để tải và chạy hàng triệu mô hình AI từ Hugging Face chỉ với vài dòng code

Transformers là thư viện của Hugging Face định nghĩa và chạy các mô hình AI hiện đại cho chữ, ảnh, âm thanh, video và đa phương thức, vừa để suy luận vừa để huấn luyện. Nó gần như là điểm chung của cả hệ sinh thái: mô hình được định nghĩa ở đây thì phần lớn công cụ huấn luyện và chạy mô hình khác cũng dùng được. Dành cho người biết Python muốn thử hoặc tích hợp mô hình mở.

  • 169.066 sao
  • 35.215 fork
  • Python
  • Cập nhật hôm nay
  • Apache 2.0 (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Thư viện lập trình, Dòng lệnh (CLI)
Chạy trên
Windows, macOS, Linux, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng Hugging Face Transformers

Bạn cài thư viện bằng pip, rồi viết khoảng ba dòng code dùng pipeline (một lớp gọi nhanh cho từng tác vụ): chọn tác vụ như sinh văn bản, nhận dạng giọng nói hay phân loại ảnh, và nêu tên mô hình trên Hugging Face Hub. Lần chạy đầu thư viện tự tải mô hình về máy, những lần sau dùng bản đã lưu.

Kết quả hiện ngay trong Terminal hoặc Notebook: một đoạn văn được viết tiếp, bản chép lời của file ghi âm, hay danh sách nhãn kèm xác suất cho một bức ảnh. Bạn chỉ cần đổi tên mô hình là thử ngay một mô hình khác cùng loại, không phải viết lại gì.

Muốn chat với một mô hình ngay từ dòng lệnh, README nêu lệnh transformers chat (cần chạy transformers serve trước). Khi đã quen, bạn sẽ dùng nó làm nền để tinh chỉnh mô hình hoặc nối vào ứng dụng của mình.

Tính năng nổi bật

Hơn một triệu mô hình trên Hugging Face Hub

README cho biết có hơn 1 triệu checkpoint dùng được với Transformers, từ mô hình nhỏ chạy trên laptop đến mô hình lớn.

Pipeline: dùng mô hình trong vài dòng

Một API thống nhất cho sinh văn bản, nhận dạng giọng nói, phân loại ảnh, hỏi đáp về ảnh và nhiều tác vụ khác.

Hỗ trợ nhiều loại dữ liệu

Cùng một thư viện xử lý chữ, thị giác máy tính, âm thanh, video và mô hình đa phương thức.

Cả suy luận lẫn huấn luyện

Dùng để chạy mô hình có sẵn hoặc tinh chỉnh bằng dữ liệu của riêng bạn, tương thích với nhiều công cụ huấn luyện như Unsloth, DeepSpeed.

Là chuẩn chung của hệ sinh thái

Mô hình được hỗ trợ ở đây thường cũng chạy được trên các công cụ như vLLM, SGLang, llama.cpp, mlx nhờ dùng chung định nghĩa mô hình.

Chat ngay từ dòng lệnh

Lệnh transformers chat cho phép trò chuyện với một mô hình mà không cần viết code, khi dịch vụ transformers serve đang chạy.

Tận dụng Hugging Face Transformers vào việc gì?

Dân văn phòng biết chút Python, người làm podcast

Chép lời file ghi âm cuộc họp

Dùng pipeline nhận dạng giọng nói với mô hình Whisper để chuyển file ghi âm thành văn bản, rồi chỉnh lại thủ công.

Chủ shop online, nhóm chăm sóc khách hàng

Phân loại bình luận và email hàng loạt

Chọn một mô hình phân loại văn bản để gán nhãn khen, chê, hỏi giá cho hàng trăm bình luận thay vì đọc từng cái.

Sinh viên, người nghiên cứu AI

Thử nhanh các mô hình mới ra mắt

Mô hình mới thường có hướng dẫn dùng với Transformers ngay ngày đầu, nên đây là cách nhanh nhất để thử trước khi có công cụ dễ dùng hơn.

Lập trình viên, kỹ sư ML

Tinh chỉnh mô hình cho dữ liệu riêng

Huấn luyện thêm một mô hình nhỏ bằng dữ liệu tiếng Việt của công ty để cải thiện một tác vụ cụ thể.

Cần chuẩn bị gì?

  • Python 3.11 trở lên và PyTorch 2.6 trở lên (theo README).
  • Nên tạo môi trường ảo bằng venv hoặc uv trước khi cài.
  • Mô hình lớn cần nhiều RAM hoặc VRAM của card đồ hoạ; mô hình nhỏ vài trăm triệu tham số chạy được trên CPU nhưng chậm.
  • Một số mô hình (ví dụ dòng Llama) cần đồng ý điều khoản và đăng nhập tài khoản Hugging Face mới tải được.

Hướng dẫn cài đặt chi tiết

Cài trên pip

  1. Tạo môi trường ảo cho dự án để không lẫn với thư viện khác. Lệnh dưới là cho macOS/Linux; trên Windows PowerShell kích hoạt bằng .my-env\Scripts\Activate.ps1.

    Terminal
    python -m venv .my-env
    source .my-env/bin/activate
  2. Cài Transformers kèm PyTorch theo lệnh trong README.

    Terminal
    pip install "transformers[torch]"
  3. Nếu dùng uv (trình quản lý Python nhanh), có thể thay bằng lệnh sau.

    Terminal
    uv pip install "transformers[torch]"

Cài trên Từ mã nguồn

  1. Dùng khi bạn muốn tính năng mới nhất hoặc đóng góp code. README cảnh báo bản mới nhất có thể chưa ổn định.

    Terminal
    git clone https://github.com/huggingface/transformers.git
    cd transformers
    pip install '.[torch]'

Dùng thử lần đầu

  1. Tạo file test.py với ví dụ sinh văn bản trong README. Lần chạy đầu sẽ tải mô hình về, mất thời gian tuỳ mạng.

    Python
    from transformers import pipeline
    
    pipe = pipeline(task="text-generation", model="Qwen/Qwen2.5-1.5B")
    print(pipe("the secret to baking a really good cake is "))
  2. Chạy file và đọc kết quả.

    Terminal
    python test.py
  3. Thử tác vụ khác: nhận dạng giọng nói bằng Whisper (cần ffmpeg nếu đưa file âm thanh của bạn; ví dụ dưới dùng file mẫu trên mạng như trong README).

    Python
    from transformers import pipeline
    
    asr = pipeline(task="automatic-speech-recognition", model="openai/whisper-large-v3")
    print(asr("https://huggingface.co/datasets/Narsil/asr_dummy/resolve/main/mlk.flac"))
  4. Chat nhanh ngay trên Terminal: mở một cửa sổ chạy dịch vụ, cửa sổ khác chạy lệnh chat (xem tài liệu serving của Transformers để biết cách bật dịch vụ).

    Terminal
    transformers serve
    transformers chat Qwen/Qwen2.5-0.5B-Instruct

Mẹo dùng hay

  • Bắt đầu với mô hình nhỏ (tên có 0.5B, 1.5B) để thử cho nhanh rồi mới lên mô hình lớn.
  • Mô hình tải về nằm trong thư mục cache của Hugging Face và có thể chiếm nhiều GB; kiểm tra dung lượng ổ đĩa thường xuyên.
  • Muốn chạy mô hình trên máy mà không cần viết code, các công cụ như Ollama hay LM Studio dễ dùng hơn nhiều; Transformers hợp khi bạn cần tuỳ biến.

Lưu ý và hạn chế

  • Cần biết Python và hiểu cơ bản về môi trường ảo; người dùng chỉ muốn chat với AI thì nên chọn ứng dụng có giao diện.
  • Chạy mô hình lớn bằng Transformers có thể rất tốn VRAM; nhiều bản tải về chưa được nén (quantize) nên nặng hơn các bản dành riêng cho Ollama hay llama.cpp.
  • Mỗi mô hình có giấy phép riêng, có mô hình cấm hoặc hạn chế dùng thương mại; luôn đọc trang mô hình trước khi đưa vào sản phẩm.

Câu hỏi thường gặp

Transformers có miễn phí không?

Có, thư viện theo giấy phép Apache-2.0. Mô hình trên Hugging Face Hub thì mỗi cái một giấy phép riêng.

Cần card đồ hoạ để dùng không?

Không bắt buộc. Mô hình nhỏ chạy được bằng CPU, nhưng mô hình lớn chạy rất chậm nếu không có GPU.

Khác gì với Ollama?

Ollama là ứng dụng để chạy mô hình ngay, còn Transformers là thư viện cho lập trình viên muốn gọi mô hình trong code, tinh chỉnh hoặc thử các mô hình mới chưa có trên Ollama.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/huggingface/transformers.git

Repo tương tự nên xem

Thư viện & framework AI106K

PyTorch

pytorch / pytorch

Thư viện học sâu phổ biến nhất giới nghiên cứu, tính toán tensor trên GPU và huấn luyện mạng nơ-ron

KhóWindowsmacOSLinuxDocker+1
Thư viện & framework AI79,6K

Unsloth

unslothai / unsloth

Ứng dụng chạy và tinh chỉnh mô hình AI trên máy mình, tiết kiệm VRAM và nhanh hơn

VừaWindowsmacOSLinuxDocker+1
Chạy AI trên máy cá nhân135K

llama.cpp

ggml-org / llama.cpp

Động cơ chạy mô hình AI viết bằng C/C++, nhẹ, chạy được trên CPU, card đồ hoạ và máy Mac

VừaWindowsmacOSLinuxDocker

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Thư viện & framework AI

Thư viện & framework AI202K

TensorFlow

tensorflow / tensorflow

Nền tảng học máy của Google để xây, huấn luyện và triển khai mô hình AI bằng Python

KhóWindowsmacOSLinuxDocker+1
Thư viện & framework AI150K

LangChain

langchain-ai / langchain

Thư viện Python giúp lập trình viên ráp ứng dụng và agent chạy bằng AI từ các mảnh ghép dựng sẵn

KhóPython
Thư viện & framework AI91,6K

OpenCV

opencv / opencv

Thư viện thị giác máy tính kinh điển: xử lý ảnh, video, nhận diện khuôn mặt, vật thể

KhóWindowsmacOSLinuxAndroid+2
Thư viện & framework AI76,1K

LLaMA-Factory

hiyouga / LlamaFactory

Tinh chỉnh hơn 100 mô hình ngôn ngữ qua giao diện web hoặc dòng lệnh, gần như không cần viết code

KhóWindowsLinuxDockerPython
Thư viện & framework AI68,2K

scikit-learn

scikit-learn / scikit-learn

Thư viện học máy cổ điển bằng Python: phân loại, dự đoán, gom nhóm dữ liệu bảng rất dễ dùng

KhóWindowsmacOSLinuxPython
Thư viện & framework AI63,5K

Ultralytics YOLO

ultralytics / ultralytics

Nhận diện vật thể, phân đoạn, theo dõi trong ảnh và video bằng họ mô hình YOLO chỉ với một lệnh

VừaWindowsmacOSLinuxDocker+1

Xem cả 14 repo Thư viện & framework AI Về Kho Repo