通用数据工具

您可以在 udt.dev 上试用，或从 这里下载桌面应用，亦可在本地部署运行（详见 文档）。

[!注意] 如果您觉得通用数据工具很棒，请查看我的新项目——使用 React 构建电子设备的工具，详情请参阅 TSCircuit 文档。

文档 • 官网 • 在线体验 • 库使用指南 • 本地部署

通用数据工具是一款网页/桌面应用程序，用于编辑和标注图像、文本、音频、文档等，并可查看和编辑任何按照可扩展的 .udt.json 和 .udt.csv 标准定义的数据。

支持的数据类型

图像分割 • 图像分类 • 文本分类 • 命名实体识别 • 实体关系/词性标注 • 音频转录 • 数据录入 • 视频分割 • 地标/姿态标注

最新动态

在 YouTube 上关注我们的开发进展！

• 社区更新视频 9
• 社区更新视频 8
• 社区更新视频 7 (博客版)

主要特性

• 无需注册，即可与他人实时协作！
• 可在 网页 上使用，也可作为 Windows、Mac 或 Linux 桌面应用运行。
• 通过简单易用的图形界面配置项目。
• 轻松创建课程培训标注人员。
• 支持以易于使用的 CSV（sample.udt.csv）或 JSON（sample.udt.json）格式进行导入导出。
• 支持图像、视频、PDF、文本、音频转录等多种格式。
• 可 轻松集成到 React 应用中。
• 可对图像或视频进行分类、添加标签、绘制边界框、多边形及标记点等标注操作。
• 利用 WebWorkers 和 WebAssembly 实现快速自动智能像素分割。
• 支持从 Google Drive、YouTube、CSV、剪贴板等来源导入数据。
• 可对 NLP 数据集进行命名实体识别（NER）、分类以及词性（PoS）标注。
• 能够轻松 加载到 pandas 中 或与 fast.ai 配合使用。
• 可通过 Docker 运行：docker run -p 3000:3000 universaldatatool/universaldatatool。
• 也可通过 Singularity 运行：singularity run universaldatatool/universaldatatool。

赞助商

安装

网页应用

只需访问 universaldatatool.com 即可！

想在本地运行网页应用吗？克隆本仓库后执行 npm install，再运行 npm run start 即可启动 Web 服务器。

桌面应用程序

从发布页面下载最新版本，并运行你下载的可执行文件。

参与贡献

• （可选）在Slack 频道里打个招呼吧！
• 阅读这篇指南，开始开发。

贡献者 ✨

感谢以下各位优秀的朋友（emoji key）：

Severin Ibarluzea 💻 📖 👀	Puskuruk 💻 👀	CedricJean 💻	beru 💻	Marc 💻 📖	Wafaa-arbash 📖	Pierre Grimaud 📖
sreevardhanreddi 💻	Mohammed Eldadah 💻	x213212 💻	hysios 💻	Cong Dao 💻	Renato Junior 🌍	Rick 🌍 💻
anaplian 💻	Miguel Carvalho 🌍	Kyle OBrien 💻	Hakkı Yağız ERDİNÇ 💻	João Victor Davim 💻

本项目遵循 all-contributors 规范。欢迎任何形式的贡献！

Universal Data Tool 快速上手指南

Universal Data Tool 是一款开源的跨平台数据标注工具，支持图像、文本、音频、视频及文档的编辑与注释。它无需注册即可实时协作，并支持导出为标准的 CSV 或 JSON 格式，轻松对接 Pandas、Fast.ai 等机器学习框架。

环境准备

本工具支持多种运行方式，请根据需求选择：

• 操作系统：Windows、macOS、Linux 或任意现代浏览器（Web 端）。
• 前置依赖（仅本地开发或源码运行需要）：
  • Node.js (推荐 LTS 版本)
  • npm 或 yarn
• 容器化选项（可选）：Docker 或 Singularity。

安装步骤

你可以选择以下任一方式进行安装和使用：

方式一：直接使用 Web 版（最快捷）

无需安装，直接访问官方在线试玩地址：

https://udt.dev

或者访问主站：

https://universaldatatool.com

方式二：下载桌面客户端

1. 前往 GitHub Releases 页面。
2. 下载对应你操作系统的安装包（.exe, .dmg, .AppImage 等）。
3. 运行下载的可执行文件即可。

方式三：使用 Docker 部署（适合服务器/私有化部署）

docker run -p 3000:3000 universaldatatool/universaldatatool

启动后访问 http://localhost:3000。

方式四：源码运行（适合开发者）

如果你需要修改源码或进行二次开发：

# 克隆仓库
git clone https://github.com/UniversalDataTool/universal-data-tool.git
cd universal-data-tool

# 安装依赖
npm install

# 启动本地服务
npm run start

基本使用

以下以创建一个图像分类项目为例，展示基本操作流程：

1. 创建新项目 打开工具后，点击 "Create New Project"。在配置界面中：

   • Project Name: 输入项目名称（例如：my-image-dataset）。
   • Interface Type: 选择 Image Classification（图像分类）。
   • 点击 Save 保存配置。

2. 导入数据 在项目界面，点击 "Import" 按钮。你可以从以下来源导入数据：

   • 本地文件（拖拽图片文件夹）
   • CSV/JSON 文件列表
   • Google Drive, YouTube 链接，或直接从剪贴板粘贴。

3. 开始标注

   • 在左侧文件列表中选择一张图片。
   • 根据预设的分类标签，点击右侧对应的按钮进行打标。
   • 如果是图像分割任务，可使用画笔、多边形或矩形工具在图片上绘制区域。
   • 标注完成后，点击 "Next" 或直接自动保存。

4. 导出数据 标注完成后，点击顶部的 "Export" 按钮：

   • 选择导出格式：.udt.csv 或 .udt.json。
   • 下载的文件可直接用于训练模型。

   Python 集成示例： 导出的 CSV 可直接被 Pandas 读取：

   import pandas as pd
   df = pd.read_csv('sample.udt.csv')
   print(df.head())
   

5. 团队协作（可选） 点击右上角的 "Share" 按钮，生成分享链接。将链接发送给同事，即可实现无需注册的实时协同标注。