Label Studio

Active

สโลแกน:แพลตฟอร์มโอเพนซอร์สสำหรับการติดป้ายข้อมูล การประเมิน AI และเวิร์กโฟลว์ human-in-the-loop

อัปเดตแล้ว:-

โซเชียลมีเดีย:

ชุดข้อมูล AI เครื่องมือสำหรับนักพัฒนา AI การรู้จำภาพและการวิเคราะห์เอเจนต์ AI การดึงข้อมูลเอกสารด้วย AI การแปลงคำพูดเป็นข้อความ AI โอเพนซอร์ส ฟรี ฟรีเมียม API พร้อมใช้งาน เซลฟ์โฮสต์บนคลาวด์การทำงานร่วมกันเป็นทีม แอปเว็บ

เปิดเว็บไซต์

เยี่ยมชมเว็บไซต์

อะไรคือ Label Studio?

Label Studio เป็นแพลตฟอร์มโอเพนซอร์สสำหรับการติดป้ายและคำอธิบายประกอบข้อมูลแบบมัลติโมดัล รองรับ computer vision, NLP, document AI, การถอดเสียง, time series และการประเมิน LLM รวมถึง agent traces, RLHF และ RAG QA API, Python SDK และ webhooks เชื่อมโปรเจกต์กับ ML pipeline

วิธีใช้ Label Studio?

ติดตั้งด้วย pip (pip install -U label-studio) รัน label-studio แล้วเปิดแอปที่ http://localhost:8080 สมัครสมาชิก สร้างโปรเจกต์ นำเข้าข้อมูล เลือกเทมเพลตติดป้าย ปรับแต่งป้ายกำกับ และเริ่มคำอธิบายประกอบ

Label Studio คุณลักษณะเด่น

อินเทอร์เฟซที่ปรับแต่งได้

เลย์เอาต์และเทมเพลตที่กำหนดเองปรับให้เข้ากับข้อมูล งาน และเกณฑ์การประเมินของคุณ

ผสานกับ ML / AI pipeline

API, Python SDK และ webhooks สำหรับสร้างโปรเจกต์ สตรีมการทำนาย และเรียกการฝึก active learning และเวิร์กโฟลว์ประเมินแบบเรียลไทม์

เชื่อมข้อมูลและโมเดลใดก็ได้

ซิงก์ข้อมูลจากที่เก็บใดก็ได้และเชื่อมโมเดลสำหรับการติดป้ายด้วย AI, benchmarking และการประเมินโมเดลอย่างต่อเนื่อง

การประเมิน LLM และ agent

เชื่อมเครื่องมือ observability สำหรับการตรวจสอบ human-in-the-loop รวบรวมความชอบ RLHF สร้าง benchmark กำหนดเอง และประเมิน RAG และคำตอบที่สร้าง

การติดป้ายมัลติโมดัล

ภาพ ข้อความ เสียง วิดีโอ time series และงานมัลติโมดัล: การจำแนก การตรวจจับวัตถุ segmentation, NER การถอดเสียง และการประมวลผลบทสนทนา

Label Studio สถานการณ์การใช้งาน

ตรวจสอบ human-in-the-loop ของ agent traces และผลลัพธ์ LLM

คำอธิบายประกอบ computer vision สำหรับการตรวจจับวัตถุและ semantic segmentation

OCR เอกสารและ NER สำหรับโปรเจกต์ NLP

การถอดเสียงและ speaker diarization ขนาดใหญ่

การรวบรวมความชอบ RLHF และการประเมิน benchmark LLM

Label Studio คำถามที่พบบ่อย

ความต้องการของระบบสำหรับ Label Studio คืออะไร?

Label Studio ทำงานบน Linux, Windows หรือ macOS ด้วย Python 3.8+ สำหรับ production แนะนำ 16GB RAM, 50GB ดิสก์, PostgreSQL 13+ หรือ SQLite 3.35+ พอร์ตเริ่มต้น 8080

ติดตั้ง Label Studio อย่างไร?

รัน pip install label-studio ในสภาพแวดล้อมเสมือน Python แล้วเริ่มเซิร์ฟเวอร์ด้วย label-studio Docker, Homebrew และการติดตั้งจากซอร์สก็มีเอกสาร

ติดป้ายข้อมูลประเภทใดได้บ้าง?

ภาพ ข้อความ เสียง วิดีโอ HTML time series มัลติโมดัล และ agent traces พร้อมเทมเพลตสำหรับการจำแนก การตรวจจับ segmentation, NER การถอดเสียง และการประเมิน LLM