Label Studio
Étiquetage de données open source pour le texte, les images, l'audio et la vidéo
Label Studio est une plateforme d’annotation souple. Les équipes s’en servent pour étiqueter des données de machine learning, par exemple dessiner des boîtes sur des images, taguer des entités dans du texte, transcrire de l’audio et noter des sorties de modèles de langage. Son système de configuration permet de définir des interfaces d’étiquetage sur mesure avec un balisage simple, si bien qu’un seul outil peut servir à des projets très variés, et il tourne en local ou sur un serveur.
L’étiquetage assisté par modèle accélère le travail. Un backend de machine learning peut pré-étiqueter des données que des humains corrigent, et l’apprentissage actif aide à prioriser les exemples les plus informatifs. La plateforme prend en charge l’évaluation de modèles de langage, avec des modèles pour des tâches comme classer des réponses et vérifier des erreurs factuelles, ce qui est devenu un usage courant quand les équipes construisent des applications d’IA. Une API et un SDK la relient aux pipelines d’entraînement.
L’édition communautaire est gratuite et open source, et HumanSignal vend Label Studio Enterprise avec des fonctions comme l’accès par rôles, les flux de travail, l’analytique et la sécurité. L’auto-hébergement demande un peu de travail technique. Les alternatives incluent CVAT pour la vision par ordinateur, Labelbox, Scale AI et Encord comme plateformes commerciales, Prodigy pour le texte, et Argilla pour les données de modèles de langage. Label Studio convient aux équipes qui veulent un outil d’annotation souple et auto-hébergé.