Google将跨平台多模应用机器学习工作管线框架MediaPipe移植到了网页平台，在去年的时候，Google发布MediaPipe开源项目，可以让开发者在移动设备Android和iOS，以及边缘设备Google Coral上，以MediaPipe图（Graph）形式构建和执行机器学习工作管线。
现在通过WebAssembly技术以及XNNPack机器学习预测函数库的加持，Google将MediaPipe带上网页浏览器，并且能即时执行MediaPipe图。Google提到，他们用Emscripten将所有需要用到的C++程序代码都编译成WebAssembly，因此在执行的时候，网页浏览器可以非常快速地执行这些指令，比传统的JavaScript程序代码有效率的多。
而且Google还创建了一个简单的API，让JavaScript和C++之间能进行必要的通信，使得JavaScript能够直接更改MediaPipe图，并且进行交互，而机器学习模型与辅助的文本和数据文件，则被打包成二进制数据包，在执行的时候才加载。MediaPipe会自动使用WebGL，来处理需要用到OpenGL的运算。
虽然WebAssembly比纯JavaScript快得多，但还是比原生C++还要慢，Google提到，他们进行了许多优化，在可能的情况下，尽量使用GPU进行图像操作，并选择最轻量的机器学习模型版本，牺牲品质以换取速度。
但由于计算机着色器无法广泛地用于网页，因此没办法简单地利用TensorFlow Lite GPU机器学习预测，而使用CPU预测又会成为性能瓶颈，为了降低这情形带来的影响，Google使用XNNPack机器学习预测函数库，以扩展TfLiteInferenceCalculator，提升多数应用程序2到3倍的速度。
Google将MediaPipe网页版集成到网页可视化工具Visualizer中，提供交互式Playground环境，开发者可以快速迭代图的设计，使用鼠标和滚轮就能缩放图形表示，图也会即时根据编辑器的修改变化，而且每次图迭代，都可以即时的使用网络摄影机进行流媒体测试。
网页版MediaPipe目前仍然有一些限制，开发者只能使用模版图（Template Graph）进行编辑，无法重头开始设计，另外，图的执行程序还必须是单线程的。