BrowserAI
BrowserAI · Programação
O BrowserAI é uma biblioteca JavaScript de código aberto que roda um LLM local, reconhecimento de fala e texto para fala dentro do navegador com WebGPU, então os dados ficam no dispositivo e o custo de servidor cai a zero.
Sobre BrowserAI
What Is BrowserAI
O BrowserAI é uma biblioteca de IA feita para o navegador que carrega e roda modelos de linguagem no próprio dispositivo do usuário, e não em um servidor remoto. Você instala pelo npm, chama uma API curta para carregar o modelo e gerar texto, e tudo acontece dentro da aba. O projeto é de código aberto sob licença MIT, então não há chaves de API, nem limite de requisições, nem nada para hospedar.
O apelo está em onde o cálculo acontece. Como a inferência roda em local por meio de WebAssembly e WebGPU, as perguntas do usuário não saem da máquina e um produto publicado não carrega uma conta por consulta. A biblioteca chega com modelos já prontos das famílias Llama, Qwen, Gemma, SmolLM2 e Phi, além do Whisper para fala e do Kokoro para voz, então não é preciso treinar nada para montar uma demonstração.
Os trade-offs são reais. Um modelo pequeno no dispositivo não iguala um modelo de ponta hospedado na nuvem em raciocínio difícil, e o navegador precisa de WebGPU, o que deixa máquinas antigas de fora. Os arquivos do modelo também são grandes, então a primeira carga significa um download pesado antes que algo responda.
Getting Started
- Instale a biblioteca com npm install @browserai/browserai, ou adicione pelo yarn.
- Importe o BrowserAI e chame loadModel com o nome de um modelo, acompanhando o progresso enquanto os pesos baixam para o navegador.
- Chame generateText com um texto ou uma lista de mensagens, e passe um system prompt se quiser definir uma persona de chat.
- Para voz, carregue um modelo Whisper para transcrever áudio ou o Kokoro para transformar texto em fala, e reproduza o buffer resultante.
- Publique a página e deixe quem retorna rodar o modelo offline depois que os arquivos ficarem em cache.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de BrowserAI.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores front-end
- Equipes focadas em privacidade
- Hobbistas e estudantes
- Equipes com orçamento apertado
Tarefas
- Montar um chat na página
- Adicionar entrada por voz
- Gerar fala
- Devolver dados estruturados
- Separar faixas de áudio
Cenários
- Publicar um assistente de escrita privado
- Fazer uma demo em um avião ou offline
- Prototipar um recurso de IA antes de gastar
- Embutir IA em uma ferramenta interna
Principais recursos
Modelos que rodam no dispositivo
O BrowserAI carrega os modelos direto no navegador por meio de WebGPU e WebAssembly, então a inferência acontece no hardware do usuário. A biblioteca traz pesos prontos das famílias Llama, Qwen, Gemma, SmolLM2, Phi e DeepSeek, além de modelos de embeddings para busca. Você chama loadModel com um nome e um ajuste de quantização, e a biblioteca cuida do resto. Em uma máquina compatível, as respostas voltam em velocidade quase nativa porque a GPU faz o trabalho pesado.
Reconhecimento de fala e texto para fala
A voz é parte central da biblioteca, não um extra. Um modelo Whisper transcreve o áudio gravado, e o Kokoro transforma o texto em um buffer de áudio reproduzível, com escolha de vozes e velocidade. O gravador embutido captura o microfone, então você monta um assistente falado sem colocar outro serviço no meio. Como os dois rodam em local, o áudio fica no dispositivo do mesmo jeito que o texto.
Saída estruturada com esquemas JSON
Em vez de interpretar texto livre e torcer pelo melhor, você passa um esquema JSON e pede um objeto JSON. O modelo devolve dados naquele formato, que entram direto na sua aplicação. Isso importa em agentes e formulários, onde uma resposta malformada quebraria o fluxo. O resultado é um objeto limpo que você valida e guarda.
Vários motores sob a mesma API
A biblioteca não prende você a um único runtime. Ela alterna entre os motores MLC, Transformers, Flare e Demucs, cada um adequado a uma tarefa. MLC e Flare cobrem a geração de texto por WebGPU e WASM, o Transformers cuida de fala e voz, e o Demucs separa o áudio em faixas. A API segue igual entre eles, então trocar de motor não exige reescrever o código.
Web Workers e streaming
Rodar um modelo pode travar a aba se ele dominar a thread principal, e o BrowserAI evita isso rodando a inferência em um Web Worker. A interface segue respondendo enquanto o modelo pensa, e a saída chega token a token para o usuário ver o avanço. Um Web Worker com streaming transforma um modelo local pesado em algo que parece um site comum.
Armazenamento embutido e uso offline
O BrowserAI inclui um banco de dados no navegador baseado em IndexedDB e SQLite, que guarda conversas, embeddings e arquivos de modelo em cache. Esse armazenamento é o que permite a página continuar funcionando depois do primeiro download, mesmo sem internet. Em um app de chat, o histórico sobrevive a um refresh sem servidor com o qual sincronizar.
Prós e contras
Prós
- Os dados nunca saem do dispositivo, o que encaixa em apps sensíveis que não podem mandar perguntas para uma API na nuvem.
- Não há taxas por requisição nem servidores para rodar, então o custo de uso fica perto de zero por mais usuários que abram a página.
- Traz modelos já prontos, então um chat ou uma demo de voz funcionam com poucas linhas em vez de um pipeline de treino.
- Uma única API cobre texto, fala, saída estruturada e separação de áudio, então não é preciso juntar quatro serviços.
- Funciona offline depois que os arquivos ficam em cache, o que serve para totens, ferramentas de campo e qualquer lugar com rede instável.
Contras
- Modelos pequenos no dispositivo ficam atrás dos modelos de ponta na nuvem em raciocínio difícil, então a qualidade cai em pedidos complexos.
- Precisa de um navegador com WebGPU, o que deixa de fora máquinas antigas e alguns celulares, então o alcance é menor.
- Os pesos do modelo são grandes, e a primeira carga significa um download lento antes que o app responda.
- Não há serviço gerenciado nem endpoint hospedado, então uma equipe que queira uma API pronta tem de montar e distribuir o cliente por conta própria.
Perguntas frequentes
O BrowserAI é uma biblioteca JavaScript de código aberto para rodar modelos de IA dentro de um navegador. Ela carrega modelos de linguagem, fala e áudio no dispositivo do usuário e os executa por WebGPU e WebAssembly, então não há servidor nem chave de API. Os desenvolvedores a instalam pelo npm e chamam sua API para gerar texto, transcrever áudio ou produzir fala.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a BrowserAI.
Alternativas a BrowserAI
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.