DocCaptioner v1.1

DocCaptioner 是一款基于 NiceGUI 构建的现代化本地图像/视频打标与数据集管理工具。它集成了先进的 Qwen 3-VL (Vision-Language) 视觉大模型，旨在为 AI 训练提供高效、流畅的“工作室级”数据准备工作流。

✨ 核心功能

• 📸 交互式画廊 (Gallery Studio)

  • 高效浏览：支持海量图片/视频的平滑滚动加载。
  • 即时打标：直接在卡片上编辑标签，支持追加/前置模式。
  • 智能预览：
    • 图片：悬停显示放大镜，点击查看高清大图。
    • 视频：支持原地点击播放 (Click-to-Play)，无需弹窗即可快速预览，亦可全屏播放。
    • 性能优化：自动生成缩略图，避免大量媒体加载导致的显存溢出 (OOM)。

• 🤖 Qwen 3-VL 自动打标 (Auto Captioning)

  • 本地 GPU 加速：支持 NVIDIA (CUDA) 和 AMD (ROCm) 显卡，利用本地算力快速生成高质量描述。
  • 在线 API 支持：兼容 OpenAI 格式的在线 API (如 vLLM, Ollama, OneAPI 等)。
  • 多语言支持：支持中文、英文及双语输出。
  • 自定义提示词：内置多种风格模板（详细描述、标签生成、电影感等），支持用户自定义 Prompt。
  • 视频理解：支持对视频文件进行抽帧分析并生成摘要或描述。

• 📊 系统性能监控 (System Monitor)

  • 实时仪表盘：在顶部标题栏实时显示 CPU、RAM、GPU、VRAM 的使用率。
  • 可视化图表：直观的进度条和百分比显示，助您掌控硬件状态，防止过载。
  • 硬件详情：在设置页查看详细的 CPU/GPU 型号及驱动信息。

• 📂 数据集管理 (Dataset Manager)

  • 一站式管理：创建、删除、切换数据集，支持 ZIP 压缩包的导入与导出。
  • 文件操作：支持批量重命名、删除、移动文件。

• ✏️ 批量处理 (Batch Editor)

  • 图像编辑：批量调整大小 (Resize)、裁剪 (Crop)、旋转 (Rotate)、格式转换 (Convert)。
  • 智能重命名：支持自定义前缀的顺序重命名。

部署说明

部署推荐使用 24G 卡，综合性价比高 等待镜像启动后点击 DocCaptioner 即可进入打标器页面 使用内置预设模型 Qwen3-VL-8B 模型进行打标