Label Studio
HumanSignal · 圖片 · 程式設計
Label Studio 是開源資料標註平台，支援圖像、文字、音訊、影片與時序資料。你可以自行設計標註介面、接上模型預標，並把標註結果匯出成訓練流程要的格式。
關於 Label Studio
About
Label Studio 是什麼
Label Studio 是 HumanSignal 推出的資料標註工具，把圖像標註、文字標註、語音轉錄、影片檢查與時序資料放進同一套專案結構。標註畫面由你自己組，資料集接上之後，收進來的標註結果可以直接匯出成訓練程式吃的格式。
它處理的是工具分散的老問題。電腦視覺團隊、語言團隊與語音團隊往往各自有一套標註軟體與匯出格式，共用一條訓練管線就變得又貴又難維護。Label Studio 用一段簡短的設定描述每個介面，所有結果存在同一種 JSON 結構裡，因此一套安裝可以同時容納互不相關的專案。程式碼採 Apache 2.0 授權，GitHub 專案在 2026 年突破 28,000 顆星。
限制出現在團隊管理這一層。免費社群版沒有角色權限控管、單一登入、專案儀表板，也沒有自動化的主動學習循環，這些要 Starter Cloud 或 Label Studio Enterprise 才有。自行架設的話，資料庫、備份、版本升級與儲存權限都由你負責。兩人研究團隊這樣換很划算，四十人的標註部門就不然。
開始使用
- 用
pip install label-studio安裝，或下載 Docker 映像並掛載資料目錄。兩種方式都會在本機 8080 埠啟動服務。 - 在這個實例建立帳號，開一個專案，填上名稱、描述與專案列表用的顏色。
- 從本機檔案、雲端 bucket 或網址清單匯入資料。JSON、CSV 與 TSV 足以應付多數表格式與預先標註的資料集。
- 挑一個符合任務的範本，調整標籤名稱與設定內容，直到畫面符合團隊實際的作業方式。
- 先標幾筆，確認匯出結果，再透過 API、Python SDK 或 webhook 把專案接進現有流程。
產品資訊
快速了解 Label Studio 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 小型團隊的機器學習工程師：社群版免費，跑在筆電或單一台雲端主機上就行，可以在爭取預算之前先驗證標註流程。代價是安裝與資料庫維護要自己來。
- 同時管理多類專案的標註負責人：一套安裝就能涵蓋視覺、語言與語音工作，團隊要學的工具因此變少。換來的是權限功能維持陽春，除非付費升級。
- 研究者與學術單位：Apache 2.0 授權允許修改與再散布，發表論文也能直接引用這個專案。放在學校叢集上很合適，因為應用程式只需要 Python 與一個資料庫。
任務
- 為物件偵測畫邊界框、多邊形與關鍵點：圖像標註範本涵蓋矩形、筆刷遮罩與關鍵點，結果可直接匯出 COCO、Pascal VOC 或 YOLO，不必另外寫轉檔腳本。
- 標記命名實體與文件分類：文字標註範本處理片段標籤、關聯與文件層級類別，CoNLL 匯出檔可以直接進訓練集。
- 轉錄語音並標記說話者：語音轉錄把波形與文字框放在同一畫面，ASR manifest 的格式與 NVIDIA NeMo 的要求一致。
- 並排檢視模型輸出：同一個任務可以載入兩段回覆，收集偏好或評分規準的分數，這正是 LLM 評估集的基本形狀。
情境
- 評估付費標註平台是否值得：免費版已涵蓋主要流程，先做一個試辦專案，就能在簽約前拿到實際的產能與標註品質數字。
- 把敏感資料留在自家網路：地端安裝搭配本機儲存，檔案不會離開自家基礎設施，對醫療影像與內部文件特別重要。
- 建立可重複的標註管線：webhook 會在標註事件發生時觸發，API 讓腳本建立專案、匯入任務與取回結果，整個循環不必有人盯著介面點擊。
主要功能
可自行設定的標註介面
每個專案都從一段設定開始，宣告資料物件與掛在上面的控制項。你可以在圖片上放矩形工具，在逐字稿上放文字片段工具，也可以讓同一個任務同時具備兩者。這個格式短到可以手動編輯，結構又足以讓應用程式檢查內容。許多團隊做完第一個專案後就留下來，靠的正是這種彈性。
多模態資料支援
圖像、文字、音訊、影片、HTML 頁面與時序資料都走同一套任務模型。客服錄音可以在同一個畫面完成轉錄與標記，影片則能同時容納逐幀框選與逐字稿。Label Studio Enterprise 另外支援 3D 影像與 LiDAR，社群版沒有這兩項。
範本庫
範本庫涵蓋常見工作：物件偵測、語意分割、命名實體辨識、問答、情感分析、說話者分離與文件 OCR。每個範本都是可以運作的設定，不是截圖，你挑一個之後改標籤就好，不必從零寫介面。要自己做特殊介面時，這些範本也是很好的參考。
ML 後端與預標註
ML 後端是一個小型 HTTP 服務，回傳任務的預測結果。接上之後，模型輸出會以預標註的形式出現，標註人員可以接受、修正或退回。空白畫布因此變成編輯工作，通常更快也更一致。後端還能附上信心分數，資料管理介面就能把最沒把握的任務排到前面。
雲端儲存與匯出格式
來源儲存連線可以從 Amazon S3、Google Cloud Storage、Azure Blob Storage、Redis 或本機目錄拉進任務，檔案以預先簽署的網址提供，不會複製進應用程式。目標儲存則把每筆標註寫成一個 JSON 檔。匯出格式包含 JSON、CSV、TSV、COCO、Pascal VOC、YOLO、CoNLL2003 與 ASR manifest，訓練流程周邊的串接程式因此少掉一大半。
API、SDK 與 webhook
REST API 開放專案、任務、標註、預測與儲存連線。Python SDK 包住同一組端點，webhook 則在標註新增、更新或刪除時通知外部服務。團隊用它觸發重新訓練、把標籤同步到資料倉儲，或在標註服務上疊一層輕量的內部入口。
優缺點
優點
- 社群版免費、採 Apache 2.0 授權，筆電、單機伺服器或 Kubernetes 叢集都能跑。
- 一套安裝涵蓋圖像、文字、音訊、影片與時序標註，不必分開買三套工具。
- 設定格式讓你掌握標註畫面，又不用 fork 整個程式碼。
- 匯出格式對得上多數訓練框架要求的資料集，省掉一層轉換。
- API、SDK 與 webhook 讓工具融進既有流程，而不是又一個獨立孤島。
缺點
- 角色權限、單一登入、儀表板與主動學習都放在付費方案裡，免費版終究只適合小團隊。
- 自架要付出實際的維護成本：資料庫備份、版本升級與儲存權限除錯都落在你身上。
- 社群版的匯出是同步執行，任務量到幾十萬筆時，檔案還沒準備好就可能撞上反向代理的逾時。
- 設定內容需要學習，標籤名稱打錯一個字，整批標註就可能失效。
常見問題
免費。社群版採 Apache 2.0 開源授權，可以裝在自己的硬體上，沒有人數上限。託管的 Starter Cloud 方案每月 99 美元起，最多 12 位使用者，Label Studio Enterprise 則依合約報價。
相關內容
探索與 Label Studio 相關的工具、技能與文章。
Label Studio 替代方案
X Ray Interpreter
X-ray Interpreter · 圖片X Ray Interpreter 是一款以網頁為基礎的 AI 放射科工具，能把 X 光、電腦斷層、磁振造影、超音波與 PET 影像變成白話報告。你上傳一張掃描影像，片刻之間就得到初步的 X 光判讀結果，之後若有需要解釋的地方，還能繼續追問。它的定位是第二意見與學習輔助，而非醫療診斷。
Aieasypic
AIEasyPic · 圖片AIEasyPic 是一款 AI 圖片生成器，能在幾秒內把單純的文字提示變成完成的藝術作品。你也可以用自己照片訓練自訂模型、在現有圖片中替換臉部，並從文字建立短影片片段，全部都能在瀏覽器中完成。它適合想要快速視覺素材的休閒創作者，也適合想打造個人模型、又不想碰任何程式的業餘玩家。
Chargen
Chargen · 圖片Chargen 是一款 AI 角色生成器與世界觀建構工具，專為《龍與地下城》與其他桌上角色扮演遊戲打造。它能將一句構想變成手繪風格的肖像，在同一場工作階段中生出 NPC、怪物、地圖與遭遇，並把每隻生物的細節放在手邊。桌上角色扮演美術這部分靠一套名為 Gold 的點數系統運作，而文字生成器則對所有人保持免費。