Web Stable Diffusion
Shares tags: deploy, self-hosted, browser/webassembly
Libérez le potentiel de vos applications web avec une inférence de machine learning haute performance.
Outils similaires
D'autres outils à considérer
Web Stable Diffusion
Shares tags: deploy, self-hosted, browser/webassembly
Mistral.rs
Shares tags: deploy, self-hosted, browser/webassembly
Pyodide + Transformers
Shares tags: deploy, self-hosted, browser/webassembly
TensorFlow.js
Shares tags: deploy, self-hosted, browser/webassembly
<a href="https://www.stork.ai/en/onnx-runtime-web" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/onnx-runtime-web?style=dark" alt="ONNX Runtime Web - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/onnx-runtime-web)
overview
ONNX Runtime Web est un puissant runtime WASM et WebGPU conçu pour exécuter des modèles ONNX directement sur des appareils clients. Il offre aux développeurs les outils nécessaires pour réaliser des inférences en apprentissage automatique de manière efficace au sein des applications web, tout en maximisant la performance et la flexibilité.
features
ONNX Runtime Web intègre plusieurs fonctionnalités robustes pour améliorer le déploiement de l'apprentissage automatique dans le navigateur. Avec l'exécution multi-thread et une intégration simplifiée, ces caractéristiques garantissent des performances élevées et une facilité d'utilisation.
use cases
ONNX Runtime Web est adapté à une variété d'applications nécessitant une inférence en machine learning en temps réel. Que vous développiez des applications web réactives ou déployiez des solutions multiplateformes, ONNX Runtime Web répond à vos besoins.
ONNX Runtime Web prend en charge les principales plateformes, y compris Windows, macOS et Linux, avec des capacités pour WebAssembly et WebGPU.
Oui, ONNX Runtime Web est conçu pour une intégration fluide avec les frameworks et bibliothèques JavaScript existants, permettant une configuration facile via des balises de script ou des gestionnaires de paquets.
Exécuter des modèles dans le navigateur offre une latence réduite, une meilleure confidentialité des données utilisateur et la possibilité de tirer parti des capacités des appareils clients pour une performance optimisée.
Plus sur Stork
Plus d'outils dans cette catégorie, classés par signal communautaire
Pyodure + Transformateurs
🧩 Deploy
Runtime Python compilé sur WASM pour les tâches ML du navigateur.
Mistral.rs
🧩 Deploy
Runtime Rust+WASM pour les petits LLM dans les navigateurs.
WebLLM
🧩 Deploy
Exécute les LLM quantifiés entièrement dans le navigateur via WebGPU/WebAssembly.
Diffusion stable sur le Web
🧩 Deploy
Diffusion stable sur l'appareil exécutée dans le navigateur.
WebLLM
🧩 Deploy
Exécute les LLM directement dans le navigateur via WebGPU/WebAssembly.
IA Azure Stack Hub
🧩 Deploy
Services Azure fournis sur site pour les charges de travail réglementées.
For builders
AI agents read it. Buyers find it. Backlinks accrue. Your tool can have one too — live in 24 hours, indexed by Claude, ChatGPT, and Perplexity, queryable via MCP.