给图片数据集打标签，AI 自动生成，手动微调，训练模型更省心。
taggui 是一个面向图像数据集的标签管理与自动标注工具，主要解决 Stable Diffusion 等模型训练前数据准备阶段中标签混乱、手工标注效率低的问题。它基于 Python 和 PySide6 构建图形界面，支持多种视觉语言模型（如 CogVLM、Florence-2、LLaVA）自动生成图像描述和标签，并提供标签编辑、去重、批量替换、筛选等管理功能。用户可以通过直观的界面浏览数据集、查看模型生成的标签建议、手动修正并导出为标准格式，从而提升数据标注的一致性和效率。项目处于成长阶段，社区活跃，适合个人开发者和小团队使用。
1下载发行版
打开项目 releases 页面，按操作系统选择对应文件下载；这是最省事的安装方式，macOS 没有对应发行版。
2解压文件
把下载的压缩包解压到任意目录；若系统没有解压工具，需先安装 7-Zip 再解压。
3运行可执行文件
进入解压后的目录，双击运行其中的可执行文件即可启动图形界面。
4克隆仓库（手动安装）
不想用发行版可手动安装：先把仓库克隆到本地任意目录。
git clone https://github.com/jhc13/taggui.git5安装依赖
进入仓库目录，安装 requirements.txt 中列出的全部依赖。
cd taggui
pip install -r requirements.txt6启动程序
运行仓库内的 run_gui.py 启动图形界面，官方推荐 Python 3.12。
python taggui/run_gui.py7Linux 补依赖
Linux 上若启动报错，需额外安装系统库 libxcb-cursor0 再重新运行程序。
sudo apt install libxcb-cursor0程序窗口正常打开，点击窗口中央的 Load Directory 按钮能成功加载图片目录即表示启动成功。
Q：为什么没有 macOS 发行版？
A：作者没有 macOS 设备，无法打包测试，因此不发布 macOS 版本；macOS 用户可按手动安装方式克隆仓库并运行程序。
Q：解压压缩包失败怎么办？
A：先安装 7-Zip 解压工具，再用它解压发行版压缩包即可。
Q：Linux 启动时报 xcb 相关错误？
A：需要安装系统库 libxcb-cursor0，安装完成后重新运行程序。
Q：应该用哪个 Python 版本？
A：推荐 Python 3.12，Python 3.11 也可以正常工作。
Q：标签数据存在哪里？
A：标签保存在图片所在目录中与图片同名的 .txt 文件里，界面上的修改会自动写入这些文件。
BLIP Captioning Tools、CLIP Interrogator、DeepDanbooru
taggui 是数据集领域的开源项目，由 jhc13 开发，2023 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,350）位列前 30%，在数据集分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。GPL-3.0许可，本地部署使用，完全免费。
它主要面向的使用场景是：准备StableDiffusion训练数据集时，批量生成图像标签和描述。同类可对比的替代方案包括 BLIP Captioning Tools、CLIP Interrogator、DeepDanbooru。
X-AnyLabeling
开源
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: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models