1. 多模态标注：支持图像分类、目标检测（矩形框、多边形、关键点）、语义分割、目标跟踪；文本分类、命名实体识别、问答、情感分析；音频转录、说话人分离；视频与时间序列标注。
2. 可定制标注界面：通过 XML 标签配置灵活设计标注模板与界面，满足各类复杂标注任务。
3. 机器学习集成：提供 ML 后端 SDK、API、Python SDK 与 Webhooks，可接入模型实现预标注、主动学习与在线学习。
4. 团队协作：支持创建项目、邀请成员、多人协作标注与任务管理。
5. 数据导入导出：支持本地文件、URL、S3/GCS/Azure 云存储导入，可导出 JSON、CSV、COCO、YOLO 等多种格式。
6. LLM 评测与 RLHF：支持模型输出对比评测、偏好收集、排序打分与 RAG 检索问答评估。

1. 安装：在终端执行 pip install label-studio（需 Python 3.8 及以上版本），或使用 Docker 镜像 heartexlabs/label-studio 一键部署。
2. 启动：运行 label-studio 命令，在浏览器访问 http://localhost:8080，注册并登录账号。
3. 创建项目：点击 Create Project，填写项目名称、描述并选择合适的标注模板。
4. 导入数据：点击 Import Data，上传本地文件或输入数据 URL。
5. 开始标注：进入标注界面，为图像、文本或音频等数据添加标签。
6. 导出结果：点击 Export Data，将标注结果导出为所需格式，用于模型训练或后续分析。

免费开源，数据自主可控：社区版完全免费，代码托管于 GitHub，支持本地部署与私有化，数据不出服务器，安全性高。
高度灵活，覆盖全模态：几乎支持所有数据类型与标注任务，标注模板可深度定制，能够灵活适配不同业务场景。
生态庞大，社区活跃：拥有 100 万+ 用户与 2 万+ Slack 社区成员，文档丰富、教程齐全，遇到问题容易获得支持。
原生融入 AI 流水线：API、SDK 与 Webhooks 让标注与模型训练、主动学习、模型评测实现无缝衔接。
从标注到评测一站式：不仅用于数据标注，还可支撑 LLM 评测、RLHF 等新一代 AI 工作流，一专多能。

与 CVAT 相比：CVAT 专注图像与视频的计算机视觉标注，而 Label Studio 覆盖文本、音频、时间序列等全模态，通用性更强。
与 Doccano 相比：Doccano 轻量简洁，适合纯文本 NER 与分类任务；Label Studio 功能更全面，支持多模态与高度自定义。
与 Prodigy 相比：Prodigy 为付费、代码驱动并与 spaCy 深度集成；Label Studio 免费开源、界面化操作，使用门槛更低。
与 Labelbox / Scale AI 相比：两者为商业托管平台，收费较高；Label Studio 免费可自托管，适合预算有限的团队，但质量看板等高级功能需企业版付费。

Q1: Label Studio 是完全免费的吗？
A1: Label Studio 社区版完全免费开源，可自行部署使用；企业版提供高级协作、质量控制等功能，需付费订阅。
Q2: 如何安装 Label Studio？
A2: 最常用方式是执行 pip install label-studio，然后运行 label-studio 命令启动；也可通过 Docker 镜像 heartexlabs/label-studio 快速部署。
Q3: Label Studio 支持哪些数据格式？
A3: 支持图像、文本、音频、视频、时间序列等多模态数据，可导入本地文件、URL 与云存储数据，标注结果可导出为 JSON、CSV、COCO、YOLO 等格式。
Q4: Label Studio 支持多人协作标注吗？
A4: 支持。可创建项目并邀请团队成员协作标注、分配任务；高级协作与质量控制功能在企业版中提供。
Q5: Label Studio 能接入机器学习模型实现自动标注吗？
A5: 可以。通过机器学习后端（ML Backend）SDK 接入模型，可实现预标注、主动学习与在线学习，显著提升标注效率。