Repolode
Enviar
HumanSignal

HumanSignal/label-studio

Herramienta de código abierto para etiquetar audio, texto, imágenes, video y series temporales, con exportación a formatos de modelos de ML.

Alternativa open source a:LabelboxScale AI

Ver en GitHubSitio web
Estrellas
28,647
Forks
3,787
Issues abiertos
957
Último commit
hace 5 horas

¿Qué es?

Label Studio es una herramienta de código abierto para etiquetar datos sin procesar, como audio, texto, imágenes, videos y series temporales. Ofrece una interfaz web configurable en la que los equipos pueden definir formatos de etiquetas y exportar anotaciones a distintos formatos de modelos. Se usa para preparar nuevos conjuntos de datos o mejorar los datos de entrenamiento existentes para modelos de machine learning.

La herramienta admite varios usuarios con cuentas, varios proyectos por instancia e importaciones desde archivos locales o almacenamiento en la nube, como Amazon S3 y Google Cloud Storage. Una REST API permite integrar el etiquetado en un pipeline de datos. Se pueden conectar backends de modelos para preetiquetar datos, comparar predicciones o ejecutar aprendizaje activo con los ejemplos más inciertos.

Label Studio se puede ejecutar con pip, Docker o Docker Compose con PostgreSQL y Nginx, o desplegar en plataformas en la nube. El proyecto se distribuye con la licencia Apache 2.0 e incluye una biblioteca de frontend y una biblioteca de gestión de datos como componentes independientes.

Funciones clave

  • 01Etiqueta audio, texto, imágenes, video, HTML y datos de series temporales.
  • 02Interfaz de etiquetado configurable mediante un lenguaje de configuración basado en plantillas.
  • 03Cuentas multiusuario y varios proyectos en una misma instancia.
  • 04Importa desde archivos locales, AWS S3 y Google Cloud Storage.
  • 05REST API para integrar el etiquetado en pipelines de datos.
  • 06Conecta backends de ML para preetiquetar datos y realizar aprendizaje activo.

Casos de uso

  • Crear conjuntos de datos de entrenamiento etiquetados para modelos de visión artificial, como los de detección de objetos o segmentación.
  • Anotar texto para tareas de NLP, como clasificación o reconocimiento de entidades nombradas.
  • Revisar y corregir predicciones de modelos para mejorar los datos de entrenamiento existentes.
  • Usar un espacio de trabajo compartido para que un equipo de varios anotadores etiquete datos.

Inicio rápido

  1. 1

    Instala con pip (requiere Python 3.10 o posterior)

    pip install label-studio
  2. 2

    Inicia el servidor y abre http://localhost:8080

    label-studio

Antes de usarlo

  • La instalación local con pip requiere Python 3.10 o posterior.
  • La configuración en Windows puede requerir descargar manualmente los wheels de lxml desde Gohlke builds.

En colecciones

Bibliotecas y herramientas de visión artificialHerramientas y bibliotecas de procesamiento del lenguaje natural

Temas

#annotation#data-labeling#computer-vision#machine-learning#image-annotation#nlp#mlops#dataset#annotation-tool#annotations

Preguntas frecuentes

¿Qué es label-studio?
Herramienta de código abierto para etiquetar audio, texto, imágenes, video y series temporales, con exportación a formatos de modelos de ML. Label Studio es una herramienta de código abierto para etiquetar datos sin procesar, como audio, texto, imágenes, videos y series temporales. Ofrece una interfaz web configurable en la que los equipos pueden definir formatos de etiquetas y exportar anotaciones a distintos formatos de modelos. Se usa para preparar nuevos conjuntos de datos o mejorar los datos de entrenamiento existentes para modelos de machine learning.
¿label-studio es gratuito? ¿Qué licencia tiene?
label-studio es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿label-studio sigue mantenido?
Mantenimiento activo. El último commit de label-studio fue el 7 nov 2026.
¿Para qué puedo usar label-studio?
Crear conjuntos de datos de entrenamiento etiquetados para modelos de visión artificial, como los de detección de objetos o segmentación. Anotar texto para tareas de NLP, como clasificación o reconocimiento de entidades nombradas. Revisar y corregir predicciones de modelos para mejorar los datos de entrenamiento existentes. Usar un espacio de trabajo compartido para que un equipo de varios anotadores etiquete datos.
¿Cómo se instala label-studio?
Instala con pip (requiere Python 3.10 o posterior): pip install label-studio Inicia el servidor y abre http://localhost:8080: label-studio
¿Dónde consigo label-studio?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/HumanSignal/label-studio

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados