AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
跨平台桌面标注工具,用内置 AI 模型辅助标注图像、视频、文本和点云数据。
X-AnyLabeling 是一个轻量、跨平台的桌面标注应用,统一支持文本、图像、视频、点云和多模态数据的标注。它把常用标注工具、自动化标注流程、多种深度学习模型和多格式导入导出整合在一起,并提供 X-AnyLabeling-Server 作为远程推理后端。
推荐指数
功能覆盖广、模型集成多、更新活跃,适合需要 AI 辅助标注的视觉团队。
近 7 天
+41
新增 Star
总 Star 排名
#634
雷达追踪的 3,958 个 AI 仓库中
创建于
2023
2023年5月23日
核心亮点
1多数据类型
统一支持文本、图像、视频、点云和多模态数据标注。
2AI 辅助标注
内置 SAM、YOLO、GroundingDINO 等模型,可自动标注和批量预测。
3任务覆盖广
涵盖分类、检测、分割、姿态、OBB、OCR、跟踪、VQA 等任务。
4多格式导出
支持 COCO、VOC、YOLO、DOTA、MOT、PPOCR、ShareGPT 等格式。
5跨平台多语言
可在 Windows、Linux、macOS 运行,界面支持中英日韩。
适用场景
目标检测数据集制作
例如:用 YOLO 模型预标注图片,再人工修正框并导出 COCO 格式。
分割与姿态标注
例如:用 SAM 点选生成掩码,完成实例分割或关键点标注。
点云 3D 标注
例如:对激光雷达点云做 3D 检测框和分割标注。
文档与 OCR 标注
例如:用 OCR 模型辅助标注文本检测框和识别内容。
它是怎么工作的
第 1 步
加载数据
导入图像、视频、文本或点云文件到桌面应用。
第 2 步
选择模型
从内置模型库选择任务模型,本地或远程推理。
第 3 步
AI 预标注
模型生成候选框、掩码或标签,减少手工绘制。
第 4 步
人工修正
用多边形、旋转框、点等工具调整标注结果。
第 5 步
导出数据
按 COCO、YOLO、VOC 等格式导出用于训练。
快速上手
- 1
安装包
从 GitHub Releases 下载对应系统安装包直接运行。
- 2
pip 安装
也可通过 PyPI 包安装。
pip install x-anylabeling-cvhub - 3
启动应用
安装后启动桌面程序并导入数据。
适合谁
- 计算机视觉数据标注人员
- 需要 AI 辅助标注的算法工程师
- 做检测、分割、OCR 等任务的研究者
- 需要多格式数据集导出的团队
不太适合
- 只需要简单矩形框标注的轻度用户
- 无法运行桌面图形界面的纯服务器环境
成熟度
- 活跃度最近更新在 2026-11,更新日志频繁。
- 文档README 和官网文档较完整,含多模型示例。
- 社区约 1.1 万 star、1200 多 fork,开放 issue 仅 8 个。
- 上手难度提供安装包和 pip 包,桌面界面操作直观。
同类项目怎么选
- Label Studio偏通用多类型数据标注平台,Web 部署为主,AI 辅助集成方式不同。
- CVATWeb 端视频图像标注平台,团队协作和项目管理更强。
- Labelme轻量图像标注工具,模型辅助和多数据类型支持较少。
使用前注意
- · 许可证为 GPL-3.0,商用或二次分发需注意合规。
- · 部分模型依赖 ONNX Runtime、TensorRT 等推理环境,配置有门槛。
- · 远程推理需额外部署 X-AnyLabeling-Server。
- · 点云和视频标注对硬件性能有一定要求。
