AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
开源多类型数据标注工具,支持图像、文本、音频等标注并导出标准格式。
Label Studio 是一个开源的数据标注与注释工具,支持音频、文本、图像、视频和时间序列等多种数据类型。它提供简洁的 UI 进行标注,并能导出为多种模型格式,用于准备原始数据或改进现有训练数据以提升模型精度。
推荐指数
功能全面、社区活跃的多类型数据标注工具,适合需要自建标注流程的团队。
近 7 天
+50
新增 Star
总 Star 排名
#252
雷达追踪的 3,958 个 AI 仓库中
创建于
2019
2019年6月19日
核心亮点
1多类型支持
可标注图像、文本、音频、视频和时间序列数据。
2标准导出
支持导出为多种模型格式,便于直接用于训练。
3模板丰富
内置多种标注模板,覆盖常见任务如分类、检测、分割。
4ML 后端集成
可连接机器学习模型进行预标注或主动学习。
5部署灵活
支持 Docker、pip、云平台等多种安装方式。
适用场景
计算机视觉数据集构建
例如:为图像分类任务标注数千张图片的类别标签。
自然语言处理数据标注
例如:对文本进行命名实体识别或情感分类标注。
音频数据转录与分类
例如:为语音片段标注说话人情绪或转录文字。
模型迭代改进
例如:利用已有模型预标注,人工修正后重新训练。
它是怎么工作的
第 1 步
安装部署
通过 Docker 或 pip 安装并启动 Label Studio 服务。
第 2 步
创建项目
选择标注模板或自定义配置,导入待标注数据。
第 3 步
标注数据
在 Web UI 中手动标注或使用 ML 后端辅助标注。
第 4 步
导出结果
将标注结果导出为 JSON、CSV 或特定模型格式。
快速上手
- 1
Docker 运行
拉取官方镜像并启动容器,访问 localhost:8080。
docker pull heartexlabs/label-studio:latest && docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest - 2
pip 安装
使用 pip 安装后直接运行 label-studio 命令。
pip install label-studio && label-studio - 3
Docker Compose 生产部署
使用 docker-compose 启动包含 Nginx 和 PostgreSQL 的完整栈。
docker-compose up
适合谁
- 机器学习团队需要构建标注数据集
- 数据科学家希望自建标注流程
- 需要多类型数据标注的研究人员
不太适合
- 仅需简单文本标注的个人用户
- 对标注工具无定制需求的小型项目
成熟度
- 活跃度最近更新于 2026 年 11 月,持续活跃开发。
- 文档提供详细文档、指南和社区支持。
- 社区超过 2.8 万星标,3800 复刻,社区庞大。
- 上手难度提供多种安装方式,但自定义配置需要学习。
同类项目怎么选
- CVATCVAT 专注于计算机视觉标注,Label Studio 支持更多数据类型。
- DoccanoDoccano 主要面向文本标注,Label Studio 覆盖图像、音频等。
- ProdigyProdigy 是商业产品,Label Studio 完全开源免费。
使用前注意
- · 采用 Apache-2.0 许可证,可自由使用和修改。
- · 生产环境建议使用 PostgreSQL 替代 SQLite 以提升性能。
- · 自定义标注界面需要编写 XML 配置,有一定学习成本。
- · ML 后端集成需要额外部署模型服务。
