如何快速搭建一个数据标注平台？用 LabelBee 走完全流程

如何快速搭建一个数据标注平台？用 LabelBee 走完全流程

【免费下载链接】labelbeeLabelBee is an annotation Library项目地址: https://gitcode.com/gh_mirrors/la/labelbee

LabelBee 是一款覆盖图像、音频、文本与点云的开源数据标注工具，把画布渲染和界面控件拆成了两个独立发布的 npm 包。本文说明它的模块分工，演示如何启动官方 Demo，并细看两个典型标注任务的操作路径。

数据标注的难点在哪

做模型之前，团队往往要先回答"怎么标"：图像要画框、音频要切段、文本要划实体，每种数据形态对应一套交互方式。市面上的标注工具链彼此割裂，想拼出一套界面统一的标注流程，通常意味着数周的前端自研。对刚起步的 AI 项目来说，这段前置工程常常比模型实验本身更拖慢节奏。

LabelBee 是什么

可以把它理解成"画布 + 控件"的组合：@labelbee/lb-annotation 是底层画布，负责把多边形、矩形、点、点云等标注形态渲染出来，并处理拖拽、选中等交互；@labelbee/lb-components 则封装了画布之上的一整套现成控件，包括属性面板、标签列表、音频播放器与视频时间轴。两者配合，既能作为标注模块嵌进已有系统，也能直接搭出一套完整的数据标注平台。

5分钟跑起来

先确认本地环境（Node 建议 14 及以上）：

node -v npm -v

安装两个核心包，npm 与 yarn 任选其一：

npm install @labelbee/lb-annotation @labelbee/lb-components yarn add @labelbee/lb-annotation @labelbee/lb-components

克隆仓库并启动官方 Demo：

git clone https://gitcode.com/gh_mirrors/la/labelbee cd labelbee npm install npm run start

启动后在浏览器打开本地 3000 端口，看到的是一套完整的标注工作台：左侧是任务步骤导航，中间是标注画布，右侧是属性与标签面板。内置样例覆盖了车辆图像检测、音频切段、点云目标框选、文本与 LLM 多轮任务，可以直接体验从选工具、画图形到填属性的完整流程。

能标注哪些数据

四类数据形态，各有对应的工具与界面：

• 图像标注：画框、多边形、关键点、涂抹分割与 3D 立体框，覆盖目标检测与实例分割。
• 音频标注：波形可视化、片段剪切合并、标签挂载。
• 文本标注：面向 NLP 的实体与关系标注，以及 LLM 问答类任务。
• 点云标注：加载 .pcd 点云文件，3D 拉框并与 2D 视图联动。

官方 Demo 内置的车辆图像，用于数据标注中的矩形框与 3D 立体框演示。

点云任务会把 .pcd 数据与相机外参一起加载，在 2D 与 3D 视图之间联动完成数据标注。

音频标注：波形可视化与毫秒级标记

音频任务基于 wavesurfer 渲染出可交互的波形：点击波形可跳转播放位置，拖动手柄即可切出片段，片段上直接挂标签。标记精度到毫秒级，适合语音识别与 ASR 切分等场景的整理。相关播放组件实现集中在 packages/lb-components/src/components/audioPlayer/。

两个场景细看

图像多边形标注

多边形工具是图像数据标注里最常用的工具：沿目标轮廓逐点绘制，顶点可拖拽微调。

在任务配置里为画布开启多边形工具后，沿目标轮廓逐个点击顶点，闭合即完成一个图形。顶点与整条边都支持拖拽微调，选中的图形能在属性面板里改标签、换颜色，或直接标记为无效。完成后按任务约定的格式导出，结果即可送入训练管线。

音频片段标记

打开一个音频任务，先整段试听一遍，再回到波形上逐段切分。每个片段可独立挂载标签，例如区分有效语音与含噪声的区段。切好的片段支持合并、再细分或删除重来，标记完成后导出带时间戳的结构化结果，配合训练集使用。

文档、多语言与贡献

二次开发建议先看 docs/develop.md，里面写了项目初始化、提交规范与注释约定；标注引擎的核心源码位于 packages/lb-annotation/src/core/，按工具类型分文件组织。各任务的 Demo 配置样例放在 packages/lb-demo/src/mock/，照着结构替换成自己的数据即可；快捷键行为由 packages/lb-annotation/src/constant/keyCode.ts 定义。界面文案的多语言包位于 packages/lb-annotation/src/locales/ 目录，中英文可切换。

想参与贡献的话，fork 一份仓库，向 develop 分支提 issue 或 PR 即可，组件功能完善与文档补充都在欢迎范围内。

无论你是想快速验证数据管线的 AI 创业团队，还是要把标注流程沉淀为内部工具的企业数据平台团队，这套"渲染引擎 + 组件库 + 官方 Demo"的组合都能省下大部分从零开发的工作。拿到源码的路径很短：按上文"5分钟跑起来"一节的命令克隆仓库，即可开始搭建自己的标注平台。

【免费下载链接】labelbeeLabelBee is an annotation Library项目地址: https://gitcode.com/gh_mirrors/la/labelbee