Repolode
Enviar
HumanSignal

HumanSignal/label-studio

Ferramenta open source para rotular áudio, texto, imagens, vídeo e séries temporais, com exportação para formatos de modelos de ML.

Alternativa open source a:LabelboxScale AI

Ver no GitHubSite
Estrelas
28,638
Forks
3,783
Issues abertas
957
Último commit
há 20 horas

O que é?

O Label Studio é uma ferramenta open source para rotular dados brutos, como áudio, texto, imagens, vídeos e séries temporais. Ela oferece uma interface web configurável, na qual as equipes podem definir formatos de rótulo e exportar anotações para vários formatos de modelo. É usada para preparar novos conjuntos de dados ou aprimorar dados de treinamento existentes para modelos de machine learning.

A ferramenta oferece suporte a vários usuários com contas, vários projetos por instância e importações de arquivos locais ou de armazenamento em nuvem, como Amazon S3 e Google Cloud Storage. Uma REST API permite integrar a rotulagem a um pipeline de dados. É possível conectar backends de modelos para pré-rotular dados, comparar previsões ou executar active learning nos exemplos mais incertos.

O Label Studio pode ser executado com pip, Docker ou Docker Compose com PostgreSQL e Nginx, ou implantado em plataformas de nuvem. O projeto é distribuído sob a licença Apache 2.0 e inclui uma biblioteca de frontend e uma biblioteca de gerenciamento de dados como componentes separados.

Recursos principais

  • 01Rotula dados de áudio, texto, imagens, vídeo, HTML e séries temporais.
  • 02Interface de rotulagem configurável, definida por uma linguagem de configuração baseada em templates.
  • 03Contas para vários usuários e vários projetos em uma única instância.
  • 04Importação de arquivos locais, AWS S3 e Google Cloud Storage.
  • 05REST API para integrar a rotulagem a pipelines de dados.
  • 06Conecta backends de ML para pré-rotulagem e active learning.

Casos de uso

  • Criar conjuntos de dados rotulados para treinamento de modelos de visão computacional, como os de detecção de objetos ou segmentação.
  • Anotar texto para tarefas de NLP, como classificação ou reconhecimento de entidades nomeadas.
  • Revisar e corrigir previsões de modelos para aprimorar dados de treinamento existentes.
  • Executar um espaço de trabalho compartilhado de rotulagem para uma equipe com vários anotadores.

Início rápido

  1. 1

    Instale com pip (requer Python 3.10 ou superior)

    pip install label-studio
  2. 2

    Inicie o servidor e abra http://localhost:8080

    label-studio

Antes de usar

  • A instalação local com pip requer Python 3.10 ou superior.
  • A configuração no Windows pode exigir o download manual dos wheels do lxml em Gohlke builds.

Em coleções

Bibliotecas e ferramentas de visão computacionalFerramentas e bibliotecas de processamento de linguagem natural

Tópicos

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

Perguntas frequentes

O que é label-studio?
Ferramenta open source para rotular áudio, texto, imagens, vídeo e séries temporais, com exportação para formatos de modelos de ML. O Label Studio é uma ferramenta open source para rotular dados brutos, como áudio, texto, imagens, vídeos e séries temporais. Ela oferece uma interface web configurável, na qual as equipes podem definir formatos de rótulo e exportar anotações para vários formatos de modelo. É usada para preparar novos conjuntos de dados ou aprimorar dados de treinamento existentes para modelos de machine learning.
label-studio é gratuito? Qual é a licença?
label-studio é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
label-studio ainda é mantido?
Manutenção ativa. O último commit de label-studio foi em 5 de nov. de 2026.
Para que posso usar label-studio?
Criar conjuntos de dados rotulados para treinamento de modelos de visão computacional, como os de detecção de objetos ou segmentação. Anotar texto para tarefas de NLP, como classificação ou reconhecimento de entidades nomeadas. Revisar e corrigir previsões de modelos para aprimorar dados de treinamento existentes. Executar um espaço de trabalho compartilhado de rotulagem para uma equipe com vários anotadores.
Como instalar label-studio?
Instale com pip (requer Python 3.10 ou superior): pip install label-studio Inicie o servidor e abra http://localhost:8080: label-studio
Onde consigo label-studio?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/HumanSignal/label-studio

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados