X-AnyLabeling

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling 是一款轻量、高效、跨平台的桌面标注工具，专为文本、图像、视频和多模态数据设计。它集成了丰富的内置标注工具（如矩形框、多边形、关键点等）与前沿 AI 模型（如 GroundingDINO、CLIP），支持自动标注、半自动标注和手动精修，大幅提升标注效率。同时，它提供灵活的多种格式导出（COCO、YOLO、Pascal VOC 等），方便对接主流训练框架。项目基于 Python 和 Qt 构建，界面友好，适合个人和团队使用。它解决了传统标注工具依赖人工、效率低、格式不统一的问题，是数据标注领域的实用选择。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 10528

维护状态活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队CVHub520

所属国家

官网地址https://xanylabeling.com

GitHubhttps://github.com/CVHub520/X-AnyLabeling

定价模式free

价格说明开源免费，GPL-3.0许可，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型artificial-intelligence,clip,computer-vision,deep-learning,groundingdino,image-annotation-tool,image-classification,image-labeling-tool,image-matting,instance-segmentation,machine-learning,object-detection,ocr,onnxruntime,paddlepaddle,pose-estimation,rotated-object-detection,sam,vision-language-model,yolo

GitHub 星标★ 10528

30天Star增速

HF 下载量

上线时间2023-05-23 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数21

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 3.11 及以上版本（README 徽章标注 python-3.11+）
操作系统为 Linux、Windows 或 macOS（README 标注 linux, win, mac）
可访问 GitHub Releases 或 PyPI（用于获取安装包）
需要图形桌面环境，X-AnyLabeling 是基于 Qt 的桌面标注工具

安装与启动步骤

1确认环境版本

先确认本机 Python 版本不低于 3.11，并确认是 Windows、Linux 或 macOS 桌面系统，X-AnyLabeling 目前不支持纯命令行服务器环境。
```
python --version
```
2下载官方安装包

打开 GitHub Releases 页面，按自己的系统下载最新版预编译安装包或压缩包，这是 README 首页徽章指向的官方分发渠道。
3或从 PyPI 安装

也可以使用 PyPI 上发布的 x-anylabeling-cvhub 包进行安装；README 仅给出了 PyPI 项目地址，未提供具体安装命令，若失败请改用上面的安装包方式。
```
pip install x-anylabeling-cvhub
```
4或克隆源码仓库

如果希望从源码使用，可克隆 README 中给出的仓库地址，再按仓库内说明自行准备依赖；README 节选中未提供完整依赖安装命令。
```
git clone https://github.com/CVHub520/X-AnyLabeling.git
```
5启动并试用

安装完成后从系统应用菜单或解压目录运行 X-AnyLabeling，确认主界面正常打开，再导入图片试用矩形框等标注工具。

如何确认成功

程序主窗口正常弹出、能加载图片并显示标注工具栏，即表示安装启动成功。

常见问题

Q：README 里没有详细安装步骤怎么办？

A：本次节选只包含徽章与更新日志，缺少完整安装章节。请以官网 xanylabeling.com 文档和 GitHub Releases 页面的说明为准。

Q：应该选安装包还是 pip 安装？

A：普通用户优先下载 GitHub Releases 中的预编译安装包，免配置依赖；需要二次开发的用户再考虑 pip 或源码方式。

Q：可以在没有图形界面的服务器上运行吗？

A：不建议。该项目是基于 Python 和 Qt 的桌面标注工具，需要图形界面才能正常使用。

Q：支持哪些标注导出格式？

A：项目简介提到支持 COCO、YOLO、Pascal VOC 等主流格式导出，具体入口和参数请查阅官方文档中的用户指南。

注意事项

本教程依据的 README 节选缺少安装章节，pip 包名与克隆地址来自 README 徽章和仓库链接，未验证的细节请以官网文档为准。
项目采用 GPL v3 许可证，商业使用前请确认许可条款。
内置 AI 模型（如 GroundingDINO、CLIP）可能需要额外下载权重，首次使用自动标注时请保持网络畅通。

核心亮点

内置多种SOTA模型（如GroundingDINO、CLIP），支持自动/半自动标注，减少人工成本
支持图像、视频、文本及多模态数据标注，覆盖场景广
导出格式丰富（COCO、YOLO、VOC等），无缝对接主流训练流程

不足之处

文档/社区待观察
AI模型依赖GPU，普通配置下自动标注速度可能较慢

适用场景

计算机视觉数据集构建（目标检测、分割、分类）
多模态数据标注（图文对、视频理解）
快速生成训练数据用于模型微调

替代项目

LabelImg、CVAT、Label Studio

项目介绍

X-AnyLabeling 是数据集领域的开源项目，由 CVHub520 开发，2023 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（10,528）位列前 5%，在数据集分类的 279 个项目里位列前 6%。

近 41 天，它的 GitHub 星标从 10,050 增加到 10,528，净增 478。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。开源免费，GPL-3.0许可，可自行部署使用，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：计算机视觉数据集构建（目标检测、分割、分类）。同类可对比的替代方案包括 LabelImg、CVAT、Label Studio。

上一篇：fiftyone

下一篇：stopes