项目与工作流管理
创建用于标注和注释的项目，然后通过文档中的数据管理器、项目设置和标注指南进行管理。
Label Studio
认领Label Studio 是面向团队的开源数据标注与 AI 评估平台，支持人机协同审核、模型评估和多种数据类型的标注工作流，并提供模板、集成与生产部署选项。
概览
Label Studio 是一个开源数据标注与 AI 评估平台，用于构建适用于多种数据类型的标注工作流。产品网站将其定位为支持人机协同标注、AI 评估和模型训练数据准备。
其文档和模板库展示了对计算机视觉、文档 AI、NLP、音频转写、时间序列、对话式 AI、RLHF、代理轨迹、RAG 与检索评估，以及其他多模态工作流的支持。团队可以从模板开始，自定义界面，连接存储和模型，并将标注结果导出用于下游使用。
功能
模板与可配置界面
使用预置标注模板和可自定义标签，更快开始，并根据不同数据类型和评估标准调整界面。
导入与导出工作流
从本地来源和外部存储导入数据，并在标注完成后导出标注结果和数据。
ML 与自动化集成
通过文档中的机器学习集成、自定义 ML 后端、API、Python SDK 和 Webhook 连接机器学习模型。
多模态标注与评估
可处理计算机视觉、NLP、文档、音频、时间序列、多模态数据，以及代理或 LLM 评估工作流。
生态系统集成
使用集成目录将 Label Studio 连接到存储、模型、可观测性和基础设施工具，例如 S3、GCS、Azure Blob Storage、Docker、Kubernetes、TensorFlow、PyTorch 和 LangSmith。
使用场景
计算机视觉标注
使用计算机视觉模板和工作流示例，为图像分类、目标检测、分割、关键点标注和 OCR 准备带标签的数据集。
NLP、文档与音频标注
为命名实体识别、情感分析、问答、音频转写、说话人分离及相关工作流标注文本、文档、聊天数据和语音。
LLM 与代理评估
为 LLM、RAG 系统和代理轨迹构建评估工作流，包括并排比较、自定义评分标准和人工偏好收集。
ML 流水线集成
同步外部存储中的数据，连接模型，并导出标注结果，以支持训练、主动学习、基准测试和持续评估流水线。
自定义任务界面
将模板或可编程界面调整为专用布局，例如机器人、结构化数据解析、排序评分任务以及多轮对话审核。
Pros and Cons
Pros
- 覆盖范围广，支持从视觉和文档到音频、时间序列和 LLM 工作流的多种标注与评估任务。
- 提供预置模板，帮助团队快速开始常见的标注与评估配置。
- 可通过可配置界面、标签、模板、API、Python SDK 和 Webhook 进行自定义。
- 通过已发布的集成目录，可连接外部存储、模型和可观测性工具。
Cons
- `/pricing` 上的定价页面返回 404，因此无法从所提供的来源获取公开价格和方案详情。
- 某些功能主要通过文档和模板呈现，而不是独立的产品页面，因此具体实现深度可能会因工作流而异。
FAQ
Label Studio 有什么用途？
Label Studio 旨在用于创建和管理标注项目、导入数据、配置标注界面，并将标注结果导出供后续使用。
Label Studio 如何安装和部署？
文档列出了快速开始安装、Kubernetes 安装、离线隔离环境服务器设置、数据库设置、持久化存储，以及升级和安全指南。
Label Studio 可以连接机器学习系统吗？
可以。文档包含机器学习集成、自定义 ML 后端、API、Python SDK 和 Webhook，用于将标注与评估工作流连接到外部系统。
它支持哪些类型的任务？
Label Studio 提供适用于计算机视觉、NLP、音频、时间序列、对话式 AI、LLM 评估、RLHF、机器人、文档 AI 以及其他工作流的开箱即用模板。
Quick Facts
- 类别
- 开源数据标注与 AI 评估
- 主要用途
- 标注、人机协同审核和 AI 评估
- 平台
- Web 应用，支持 pip、Brew、Git 和 Docker 的快速安装选项
- 文档
- Label Studio 文档和模板库
- 网站
- labelstud.io
- 定价
- 所提供来源中未在 `/pricing` 看到公开定价页面