# label-studio

**Repository Path**: get-resource/label-studio

## Basic Information

- **Project Name**: label-studio
- **Description**: Label Studio是一个开源的，可配置的数据注释工具
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 20
- **Created**: 2025-08-10
- **Last Updated**: 2025-08-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Label Studio 介绍



![GitHub](https://img.shields.io/github/license/heartexlabs/label-studio?logo=heartex)



![label-studio:build](https://github.com/HumanSignal/label-studio/workflows/label-studio:build/badge.svg)



![GitHub release](https://img.shields.io/github/v/release/heartexlabs/label-studio?include_prereleases)

[官网](https://labelstud.io/) • [文档](https://labelstud.io/guide/) • [加入 S](https://slack.labelstud.io/?source=github-1)[lack 社](https://slack.labelstud.io/?source=github-1)[区 ](https://slack.labelstud.io/?source=github-1)

## 什么是 Label Studio？

Label Studio 是一个开源的数据标注工具。它让你能够标注音频、文本、图像、视频和时间序列等数据类型，拥有简单直观的用户界面，并能导出为多种模型格式。它可用于准备原始数据或改进现有训练数据，以获得更准确的机器学习模型。



*   [试用 Label Studio](#try-out-label-studio)

*   [Label Studio 的功能特点](#what-you-get-from-label-studio)

*   [Label Studio 中包含的数据标注模板](#included-templates-for-labeling-data-in-label-studio)

*   [在 Label Studio 中设置机器学习模型](#set-up-machine-learning-models-with-Label-Studio)

*   [将 Label Studio 与现有工具集成](#integrate-label-studio-with-your-existing-tools)


## 功能需求
*   基于角色的访问控制
*   自动任务分配
*   翻译
*   增强的质量工作流程与报告
*   高级分析与标注员绩效仪表盘

![Label Studio标注不同类型数据的演示动图](/images/annotation_examples.gif)

有自定义数据集？你可以定制 Label Studio 以满足需求。阅读[介绍性博客文章](https://towardsdatascience.com/introducing-label-studio-a-swiss-army-knife-of-data-labeling-140c1be92881)了解更多信息。

## 试用 Label Studio

在本地安装 Label Studio 或将其部署在云实例中。[或者注册我们的 Starter Cloud 版本免费试用！](https://humansignal.com/platform/starter-cloud/) 你可以在[这里](https://labelstud.io/guide/label_studio_compare)了解每个版本提供的功能。



*   [使用 Docker 在本地安装](#install-locally-with-docker)

*   [使用 Docker Compose 运行（Label Studio + Nginx + PostgreSQL）](#run-with-docker-compose)

*   [使用 pip 在本地安装](#install-locally-with-pip)

*   [使用 poetry 在本地安装](#install-locally-with-poetry)

*   [使用 Anaconda 在本地安装](#install-locally-with-anaconda)

*   [为本地开发安装](#为本地开发安装)

*   [在云实例中部署](#deploy-in-a-cloud-instance)

### 使用 Docker 在本地安装

官方 Label Studio Docker 镜像位于[这里](https://hub.docker.com/r/heartexlabs/label-studio)，可以使用`docker pull`下载。

在 Docker 容器中运行 Label Studio，并在`http://localhost:8080`访问它。



```
docker pull heartexlabs/label-studio:latest

docker run -it -p 8080:8080 -v \$(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest
```

你可以在`./mydata`目录中找到所有生成的资产，包括 SQLite3 数据库存储`label_studio.sqlite3`和上传的文件。

#### 覆盖默认 Docker 安装

你可以通过附加新参数来覆盖默认启动命令：



```
docker run -it -p 8080:8080 -v \$(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest label-studio --log-level DEBUG
```

#### 使用 Docker 构建本地镜像

如果你想构建本地镜像，请运行：



```
docker build -t heartexlabs/label-studio:latest .
```

### 使用 Docker Compose 运行

Docker Compose 脚本提供了生产就绪的堆栈，包括以下组件：



*   Label Studio

*   [Nginx](https://www.nginx.com/) - 用于加载各种静态数据（包括上传的音频、图像等）的代理 Web 服务器

*   [PostgreSQL](https://www.postgresql.org/) - 替代性能较差的 SQLite3 的生产级数据库

要从`http://localhost`开始使用应用程序，请运行以下命令：



```
docker-compose up
```

### 使用 Docker Compose + MinIO 运行

你也可以附加 MinIO 服务器运行以实现本地 S3 存储。当你想在本地系统上测试 S3 存储行为时，这特别有用。要以这种方式启动 Label Studio，你需要运行以下命令：



```
\# 在Linux上如果不是docker组的成员，请添加sudo

docker compose -f docker-compose.yml -f docker-compose.minio.yml up -d
```

如果你没有静态 IP 地址，必须在主机文件中创建一个条目，以便 Label Studio 和浏览器都能访问 MinIO 服务器。有关详细说明，请参阅[我们的数据存储指南](docs/source/guide/storedata.md)。

### 使用 pip 在本地安装



```
\# 需要Python >=3.8

pip install label-studio

\# 在http://localhost:8080启动服务器

label-studio
```

### 使用 poetry 在本地安装



```
\### 安装poetry

pip install poetry

\### 设置poetry环境

poetry new my-label-studio

cd my-label-studio

poetry add label-studio

\### 激活poetry环境

poetry shell

\### 在http://localhost:8080启动服务器

label-studio
```

### 使用 Anaconda 在本地安装



```
conda create --name label-studio

conda activate label-studio

conda install psycopg2

pip install label-studio
```

### 为本地开发安装

你可以在本地运行最新版本的 Label Studio，而无需从 pypi 安装包。



```
\# 安装所有包依赖

pip install poetry

poetry install
Invoke-Expression (poetry env activate)
eval $(poetry env activate)
\# 运行数据库迁移

python label_studio/manage.py migrate

python label_studio/manage.py collectstatic

\# 在开发模式下在http://localhost:8080启动服务器

python label_studio/manage.py runserver
```

### 在云实例中部署

你可以一键在 Heroku、Microsoft Azure 或 Google Cloud Platform 中部署 Label Studio：

#### 应用前端更改

有关更新前端的信息，请参见[label-studio/web/README.md](web/README.md#安装说明)。

#### 在 Windows 上安装依赖

要在 Windows 上运行 Label Studio，请从[Gohlke builds](https://www.lfd.uci.edu/\~gohlke/pythonlibs)下载并安装以下 wheel 包，以确保使用正确的 Python 版本：



*   [lxml](https://www.lfd.uci.edu/\~gohlke/pythonlibs/#lxml)




```
\# 升级pip

pip install -U pip

\# 如果你在Win64上运行Python 3.8，请安装从Gohlke下载的包：

pip install lxml‑4.5.0‑cp38‑cp38‑win\_amd64.whl

\# 安装label studio

pip install label-studio
```

### 运行测试套件

要将测试依赖项添加到本地安装：



```
poetry install --with test
```

或者，可以从安装了测试依赖项的 Docker 容器中运行单元测试：



```
make build-testing-image

make docker-testing-shell
```

在任何情况下，要运行单元测试：



```
cd label\_studio

\# sqlite3

DJANGO\_DB=sqlite DJANGO\_SETTINGS\_MODULE=core.settings.label\_studio pytest -vv

\# postgres（假设默认postgres用户、数据库、密码。在Docker测试容器中没有额外配置将无法工作）

DJANGO\_DB=default DJANGO\_SETTINGS\_MODULE=core.settings.label\_studio pytest -vv
```

## Label Studio 的功能特点

[https://github.com/user-attachments/assets/525ad5ff-6904-4398-b507-7e8954268d69](https://github.com/user-attachments/assets/525ad5ff-6904-4398-b507-7e8954268d69)



*   **多用户标注**：注册和登录后，创建的标注会与你的账户关联。

*   **多个项目**：在一个实例中处理所有数据集。

*   **流线型设计**：帮助你专注于任务，而不是如何使用软件。

*   **可配置的标签格式**：让你能够自定义视觉界面以满足特定的标注需求。

*   **支持多种数据类型**：包括图像、音频、文本、HTML、时间序列和视频。

*   **从文件或云存储导入**：支持 Amazon AWS S3、Google Cloud Storage，或 JSON、CSV、TSV、RAR 和 ZIP 归档文件。

*   **与机器学习模型集成**：让你能够可视化和比较不同模型的预测，并执行预标注。

*   **嵌入到数据管道中**：REST API 使其易于成为你管道的一部分

## Label Studio 中包含的数据标注模板

Label Studio 包含各种模板来帮助你标注数据，你也可以使用专门设计的配置语言创建自己的模板。最常见的标注模板和用例包括以下情况：

## 在 Label Studio 中设置机器学习模型

使用 Label Studio 机器学习 SDK 连接你喜爱的机器学习模型。遵循以下步骤：



1.  启动你自己的机器学习后端服务器。参见[更详细的说明](https://github.com/HumanSignal/label-studio-ml-backend)。

2.  在项目设置中的模型页面上，将 Label Studio 连接到服务器。

这让你能够：



*   **预标注**：使用模型预测标注数据。

*   进行**在线学习**：在创建新标注时重新训练模型。

*   进行**主动学习**：仅标注数据中最复杂的示例。

## 将 Label Studio 与现有工具集成

你可以将 Label Studio 用作机器学习工作流的独立部分，或将前端或后端集成到现有工具中。

## 生态系统



| 项目                                                                                                                   | 描述                                                         |
| -------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------- |
| label-studio                                                                                                         | 作为 pip 包分发的服务器                                             |
| [前端库](web/libs/editor/)                                                                                              | Label Studio 前端库。使用 React 构建 UI，使用 mobx-state-tree 进行状态管理。 |
| [数据管理器库](web/libs/datamanager/)                                                                                      | 数据管理器（我们的数据探索工具）的库。                                        |
| [label-studio-converter](https://github.com/HumanSignal/label-studio-sdk/tree/master/src/label_studio_sdk/converter) | 以你喜爱的机器学习库格式编码标签                                           |
| [label-studio-transformers](https://github.com/HumanSignal/label-studio-transformers)                                | 已连接并配置用于 Label Studio 的 Transformers 库                     |

## 引用

在文章的**参考文献**部分包含 Label Studio 的引用：



```
@misc{Label Studio,

  title={{Label Studio}: 数据标注软件},

  url={https://github.com/HumanSignal/label-studio},

  note={开源软件可从https://github.com/HumanSignal/label-studio获取},

  author={

    Maxim Tkachenko and

    Mikhail Malyuk and

    Andrey Holmanyuk and

    Nikolai Liubimov},

  year={2020-2025},

}
```

## 许可证

本软件根据[Apache 2.0 LICENSE](/LICENSE)授权 © [Heartex](https://www.heartex.com/)。2020-2025