Label Studio 是什么？
Label Studio 是面向数据科学家、AI 工程师与标注团队的开源平台，用于构建高质量训练数据集并评估各类 AI 模型表现。它支持从图像分类、目标检测、语义分割到 PDF OCR、语音分段、多说话人识别、LiDAR 点云标注等全类型数据标注任务；同时集成可编程接口（API/Python SDK/Webhooks），支持实时触发训练、主动学习与评估流程；企业版还支持原生 DICOM 医学影像标注、结构化窗口参数保留及多传感器时空轨迹协同标注。
该平台强调人类在环（human-in-the-loop）工作流，通过显式评分标准（rubric）、侧边对比（side-by-side comparison）、人工偏好收集与修正反馈，提升模型评估的可解释性与一致性。用户可通过 pip、Homebrew、Docker 或源码方式快速部署本地实例，访问 http://localhost:8080 即可开始使用。
主要功能
支持图像、文本、音频、时间序列与多模态数据的统一标注，涵盖图像分类、目标检测（含矩形框/多边形/关键点）、语义分割、PDF 与图像 OCR、语音说话人分段、LiDAR 点云与相机标定联合标注等具体能力
提供 LLM 评估专用功能：支持自定义评估基准与评分标准（rubric）、生成答案与源文档的关联评分、RAG 检索相关性评估、Agentic Traces 追踪与可观测性工具集成
适用场景与人群
AI工程师、数据科学家、机器学习团队、标注团队负责人、需要构建高质量训练数据集或开展LLM评估与RLHF的研究人员
- 图像分类、目标检测、语义分割等计算机视觉任务的数据标注
- PDF与图像OCR、命名实体识别、问答对抽取等文档与NLP任务的标注与评估
- 音频转录、说话人日志、情感识别等语音与音频任务的标注
图像（含DICOM）、PDF与扫描文档、音频文件（支持波形与频谱图）、时间序列数据、多模态组合数据（如语音+文本、视频帧+传感器信号）
结构化标注结果（JSON格式）、模型预标注建议、人工校验记录、评估指标报告（如偏好排序、答案相关性评分、检索准确率）
常见问题
Label Studio是否支持原生DICOM格式标注？
是，Label Studio Enterprise版本支持原生DICOM读取，保留窗宽窗位、解剖结构及切片几何信息
是否支持多模态数据协同标注（如语音+文本、视频+时间序列）？
是，支持对话处理（语音同步转录为文本）、光学字符识别（图像与文本并置）、以及视频/音频辅助时间序列分段等多模态协同工作流
如何使用
- 01
通过pip安装：pip install -U label-studio，然后运行label-studio启动服务
- 02
使用Homebrew安装（macOS）：brew install humansignal/tap/label-studio，再执行label-studio
- 03
克隆GitHub仓库并用Poetry安装依赖：git clone https://github.com/HumanSignal/label-studio.git；cd label-studio；pip install poetry；poetry install
- 04
使用Docker运行：docker run -it -p 8080:8080 -v `pwd`/mydata:/label-studio/data heartexlabs/label-studio:latest，访问http://localhost:8080/
官网与资料来源
资料更新于 2026-10-29
