電腦視覺 · API / SDK

Label Studio API

HumanSignal

以程式建立標註專案並交換標註資料。

官方文件下載開發規格

LABEL STUDIO / HUMANSIGNAL / DEVELOPER FIELD GUIDE

選對接口,定義可驗證的結果。

公司/專案背景、十個技術入口,以及每份引用的實作分析。

2026-10-08 · 串接尚未實測

公司/專案背景全貌

依官方公司或專案自述撰寫的原創概要;完整原文請見來源。

Label Studio / HumanSignal · About
公司HumanSignal 是開源 Label Studio 背後公司,About 記載公司於 2019 年成立。
目的其自述方向將人、資料與領域專業納入 ML/AI 工作流程。
產品脈絡公司在社群專案之外提供 Label Studio Enterprise,包含額外流程與治理能力。
本站適配評估適合評估多模態標註及人工覆核;版本選擇、模型服務與標註驗收需分別決策。
官方 About 完整原文 ↗
About 引用 — TA 分析
適用角色進行 AI 供應商初選的採購、合作夥伴與產品負責人。
本站評估用定位與公司背景判斷初步適配度;另行取得專案部署、支援與商務條件。

於 2026-10-08 讀取官方文件。未呼叫 API;建議檢查與範例為本站分析。

十項技術入口比較

依整合任務挑選十個文件記載的介面、操作或工具;不是官方排名或十個獨立 SDK。

依要完成的工作選擇
接口用途與 TA
01 · Python SDKSDK以 SDK 資源從程式存取 Label Studio。Python/資料平台
02 · Project creationSDK operation以標題與標註設定建立專案。標註平台/專案負責人
03 · Labeling configurationInterface schema以 XML tags 及連動控制項定義標註介面。UX/標註領域專家
04 · Task importData ingestion匯入設定標註專案的任務資料。資料工程/標註主管
05 · Prediction importPre-annotation interface載入對應標註設定的模型預測作為預標註。ML 工程師/人工覆核團隊
06 · Annotation creationREST operation將標註結果附加至任務。後端/標註遷移
07 · Annotation export and snapshotsDataset delivery匯出標註或建立並下載快照。ML 訓練/資料集發布
08 · Custom ML backendModel adapter實作 predict 與選填 fit 邏輯,支援模型輔助標註。ML/模型服務工程師
09 · Source and target storageStorage integration依專案連接來源媒體與目標標註儲存。基礎設施/資料負責人
10 · WebhooksEvent integration將指定專案或標註事件傳至 HTTP 接收器。管線/後端工程師

逐份文件分析

能力摘要依據官方文件;限制與建議測試為本站工程評估。

01

SDK

Python SDK

Python SDK · TA
目標讀者 TAPython/資料平台
官方文件能力以 SDK 資源從程式存取 Label Studio。
輸入 → 輸出伺服器網址及 access token → 資源操作
執行環境Python client 與選定 Label Studio 部署。
本站選型評估SDK 世代與 token 類型不同,部分端點需付費版本。
本站建議驗證固定 SDK/伺服器版本,寫入前確認身分並設定逾時。
官方文件 · Python SDK ↗
02

SDK operation

Project creation

Project creation · TA
目標讀者 TA標註平台/專案負責人
官方文件能力以標題與標註設定建立專案。
輸入 → 輸出專案規格 → 專案 ID
執行環境Label Studio 伺服器。
本站選型評估重複建立請求可能產生另一個專案,需保留回傳識別。
本站建議驗證匯入任務前取得目標專案並比對設定。
官方文件 · Project creation ↗
03

Interface schema

Labeling configuration

Labeling configuration · TA
目標讀者 TAUX/標註領域專家
官方文件能力以 XML tags 及連動控制項定義標註介面。
輸入 → 輸出物件/控制 tags → 標註介面
執行環境依專案設定呈現的標註前端。
本站選型評估更改 tag 名稱可能破壞既有預測/結果對應。
本站建議驗證每種標籤測一筆,驗證 from_name/to_name 綁定。
官方文件 · Labeling configuration ↗
04

Data ingestion

Task import

Task import · TA
目標讀者 TA資料工程/標註主管
官方文件能力匯入設定標註專案的任務資料。
輸入 → 輸出任務 JSON 或支援檔案 → 標註任務
執行環境伺服器匯入與可存取媒體儲存。
本站選型評估匯入中繼資料不代表標註者可載入媒體。
本站建議驗證核對外部樣本 ID、任務數及瀏覽器媒體存取。
官方文件 · Task import ↗
05

Pre-annotation interface

Prediction import

Prediction import · TA
目標讀者 TAML 工程師/人工覆核團隊
官方文件能力載入對應標註設定的模型預測作為預標註。
輸入 → 輸出模型結果及版本 → 建議區域/標籤
執行環境預測於外部產生,Label Studio 呈現建議。
本站選型評估預測不自動成為人工認可的真值。
本站建議驗證保留模型版本,比較預測區域 ID 與覆核標註。
官方文件 · Prediction import ↗
06

REST operation

Annotation creation

Annotation creation · TA
目標讀者 TA後端/標註遷移
官方文件能力將標註結果附加至任務。
輸入 → 輸出任務 ID 及相容結果 → 標註紀錄
執行環境Label Studio 標註 API。
本站選型評估結果結構依控制項而異;取消或略過不是無目標樣本。
本站建議驗證訓練匯出前驗證 schema、所屬及取消旗標。
官方文件 · Annotation creation ↗
07

Dataset delivery

Annotation export and snapshots

Annotation export and snapshots · TA
目標讀者 TAML 訓練/資料集發布
官方文件能力匯出標註或建立並下載快照。
輸入 → 輸出專案匯出選擇 → 資料集檔案
執行環境伺服器匯出與選定後續格式。
本站選型評估影像 JSON 框線採百分比;格式及版本在納入任務與背景處理上不同。
本站建議驗證轉換已知矩形,分別核對匯出、略過及未標註任務。
官方文件 · Annotation export and snapshots ↗
08

Model adapter

Custom ML backend

Custom ML backend · TA
目標讀者 TAML/模型服務工程師
官方文件能力實作 predict 與選填 fit 邏輯,支援模型輔助標註。
輸入 → 輸出任務及互動脈絡 → 預測
執行環境獨立部署、連接 Label Studio 的 ML 後端。
本站選型評估連接後端不代表提供訓練權重或保證預測 schema 相容。
本站建議驗證測試健康狀態、單筆任務、格式錯誤及後端離線。
官方文件 · Custom ML backend ↗
09

Storage integration

Source and target storage

Source and target storage · TA
目標讀者 TA基礎設施/資料負責人
官方文件能力依專案連接來源媒體與目標標註儲存。
輸入 → 輸出儲存設定與同步 → 任務引用或匯出標註
執行環境Label Studio、物件儲存及標註者瀏覽器。
本站選型評估來源同步不等於自動雙向一致,瀏覽器存取也需驗證。
本站建議驗證測試新增檔案、過期預簽網址與輸出寫入權限。
官方文件 · Source and target storage ↗
10

Event integration

Webhooks

Webhooks · TA
目標讀者 TA管線/後端工程師
官方文件能力將指定專案或標註事件傳至 HTTP 接收器。
輸入 → 輸出標註事件 → 事件資料
執行環境設定認證 header 的伺服器間接收器。
本站選型評估指南指出失敗連線不會重試,需設計補核流程。
本站建議驗證快速回應並佇列處理,以正式任務紀錄核對遺漏事件。
官方文件 · Webhooks ↗

Access tokens

Access tokens · 補充引用分析
TA後端負責人:token 類型、更新與部署政策。
本站驗證建議認證方式必須符合 token 類型,不將 token 貼入範例或日誌。
官方文件 · Access tokens ↗

ML pipeline overview

ML pipeline overview · 補充引用分析
TA技術 PM:區分標註、預測與模型執行。
本站驗證建議開啟自動化前定義模型提供者與媒體處理位置。
官方文件 · ML pipeline overview ↗

Primary developer documentation

Primary developer documentation · 補充引用分析
TA選擇支援 API 與安裝版本的工程師。
本站驗證建議實作前將操作與版本對應至上述具體文件;示意輸出是內部應用契約。
官方文件 · Primary developer documentation ↗

04 / INPUT · EXPECTED OUTPUT · ACCEPTANCE

實作前先看懂預期結果

已覆核影像標註契約示意,明確顯示百分比轉像素。

示意契約 · 未呼叫 API 或執行模型 · 不是供應商實測輸出

已覆核區域

預期行為 — 示意,尚未執行
輸入1000×500 影像上的已知矩形。
預期結果ok;正確百分比與像素座標。
驗收條件任務/控制對應與座標轉換精確。

已覆核空值

預期行為 — 示意,尚未執行
輸入明確覆核無缺陷樣本。
預期結果ok;regions=[] 並保留覆核來源。
驗收條件不將取消或未標註任務視為負樣本。

略過任務

預期行為 — 示意,尚未執行
輸入標註被取消或略過。
預期結果pending;排除於已接受真值之外。
驗收條件核對時保留可見略過筆數。

設定不符

預期行為 — 示意,尚未執行
輸入預測引用不存在的控制名稱。
預期結果error;data=null;schema_mismatch。
驗收條件儲存誤導訓練標籤前拒絕。

將預期結果對應至你的應用

先約定 XML 控制名稱、標籤 schema 與覆核政策。以下 JSON 是自訂內部示例,不是原生 API 請求/回應或完成的標註。

預期輸出 JSON — 示意,非實測 · LabelStudioAPI-expected-results.json
{
  "schema_version": "1.0.0",
  "provider": "Label Studio",
  "status": "ok",
  "example": true,
  "contract_origin": "Smart Tools illustrative internal contract; not a provider response",
  "input": {
    "task_ref": "example-panel-7",
    "image_size_pixels": [
      1000,
      500
    ],
    "control": "defects",
    "object": "image"
  },
  "data": {
    "origin": "human_reviewed",
    "cancelled": false,
    "regions": [
      {
        "label": "scratch",
        "region_ref": "example-region-1",
        "box_xywh_percent": [
          10,
          20,
          30,
          10
        ],
        "box_xywh_pixels": [
          100,
          100,
          300,
          50
        ]
      }
    ]
  },
  "error": null
}
下載規格、範例與驗收計畫
工程交接 — 本站建議契約與驗收門檻
輸入條件任務媒體需可存取,設定名稱必須符合結果;保留原始尺寸及旋轉。
預期成功回傳含任務與區域引用的覆核結果,模型建議與人工標註分開。
預期空值明確覆核無缺陷樣本可 regions=[];略過或未標註任務為 pending,不是負樣本。
預期失敗認證、媒體無法存取或標籤設定不符回傳錯誤分類與 data=null。
驗收1000×500 樣本的 10/20/30/10 百分比須轉為 100/100/300/50 像素;檢查取消旗標。
限制契約僅為示意,實作時需核對版本專屬覆核端點與原生格式。
資料與執行環境分別處理標註伺服器、媒體 bucket 與 ML 後端存取,定義刪除與快照保留。

可一併評估的路線: CVAT

開發評估

標註審核工作流程

開發構想規格・串接尚未實測

接口能力依據官方文件或程式庫;以下產品方向、輸入、交付與驗收條件則是我們的開發評估。

可先做小原型

確認存取後,用少量真實樣本測試一個有文件的操作。此為開發判斷,不是交期估算。

原型輸入規劃
少量經授權影像、任務定義與參考標註。
原型交付規劃
可審核的影像引用、標籤或標註狀態;保留原始檔案。
驗收條件
用已標註樣本比對支援的操作;錯誤與缺漏結果分開呈現。
依賴條件
資料集存取、影像使用權與支援的模型或標註專案。

開發順序

  1. 確認 Label Studio API 的存取、授權與支援版本。
  2. 準備上述樣本,針對「標註審核工作流程」先實作一個有官方文件的操作。
  3. 整理輸出時保留來源、時間與錯誤狀態,並保留供應商回應供審核。
  4. 通過驗收條件後,再估算擴展投入與客戶交付。

如何驗證需求

記錄產品瀏覽、官方文件點擊、規格下載與技術 Hub 點擊。這些是事件次數,不等於獨立人數或已完成串接。

本次可行性評估依實作條件判斷;尚未給定流量排名或交期承諾。

相關產品