TagGUI

TagGUI是一款跨平台桌面应用程序，用于快速添加和编辑图像标签和说明文字，主要面向创建用于Stable Diffusion等生成式AI模型的图像数据集的创作者。

功能特点

键盘友好的界面，便于快速标记
基于您最常用标签的标签自动完成功能
集成Stable Diffusion令牌计数器
使用包括CogVLM、LLaVA、WD Tagger等多种模型自动生成说明文字和标签
批量标签操作，支持重命名、删除和排序标签
高级图像列表筛选功能

安装

使用本应用程序最简单的方法是从发布页面下载最新版本。选择适合您操作系统的文件，解压到任意位置，然后运行里面的可执行文件。如果您的系统中没有安装7-Zip，可能需要先安装它来解压文件。

macOS用户：由于需要运行该操作系统的设备，而我没有，所以没有macOS版本。您仍可以手动安装和运行程序（见下文）。
Linux用户：您可能需要安装libxcb-cursor0。（参见这个Stack Overflow回答）如果在尝试使用CogVLM2模型时出现错误，您可能还需要安装python3.11-dev或python3.10-dev（取决于您的Python版本）。（参见这个问题）

另外，您也可以通过克隆此仓库并安装requirements.txt中的依赖项来手动安装。运行taggui/run_gui.py启动程序。推荐使用Python 3.11，但Python 3.10也应该可以正常工作。

使用方法

点击窗口中央的"加载目录"按钮（或选择"文件"->"加载目录"）来加载包含您图像的目录。标签从目录中与图像同名的.txt文件中加载。您对标签所做的任何更改也会自动保存到这些.txt文件中。

自动生成说明文字

除了手动标记外，您还可以在TagGUI中自动为图像生成说明文字或标签。GPU生成需要兼容的NVIDIA GPU，也支持CPU生成。

要使用此功能，请在图像列表中选择您想要生成说明文字的图像，然后在自动生成说明文字面板中选择您想使用的模型。如果您有包含之前下载模型的本地目录，可以在"文件"->"设置"中设置它，以将这些模型包含在模型列表中。点击"开始自动生成说明文字"按钮开始生成。您可以选择多张图像，为所有图像批量生成说明文字。首次使用时，下载和加载模型可能需要几分钟，但后续生成会快得多。

生成参数

"提示词"：给予说明文字生成模型的指令。提示词格式会根据所选模型自动处理。您可以使用以下模板变量，将有关每张图像的信息动态插入提示词中：

{tags}：图像的标签，用逗号分隔。
{name}：不带扩展名的图像文件名。
{directory}或{folder}：包含图像的目录名称。

使用模板变量的示例提示词可以是"使用以下标签作为上下文描述图像：{tags}"。使用这个提示词时，在发送给模型之前，{tags}会被替换为每张图像现有的标签。

"说明文字开头"：生成的说明文字将以此文本开头。

"移除说明文字中的标签分隔符"：如果选中，生成的说明文字中将移除标签分隔符（默认为逗号）。

"说明文字中不应出现"：不应出现在生成的说明文字中的词语或短语。您可以用逗号（,）分隔多个词语或短语。例如，您可以输入appears,seems,possibly以防止模型在说明文字中使用不确定的语气。由于分词相关的限制，这些词语仍可能被生成。

"说明文字中应包含"：应出现在生成的说明文字某处的词语或短语。您可以用逗号（,）分隔多个词语或短语。您还可以让说明文字生成模型从一组词语或短语中选择，方法是用|分隔它们。例如，如果您输入cat,orange|white|black，模型将尝试生成包含cat和orange、white或black中任一词的说明文字。不能保证所有指定要求都会得到满足。

"排除标签"（WD Tagger模型）：不应生成的标签，用逗号分隔。

其他许多生成参数在Hugging Face文档中有描述。

高级图像列表筛选

通过点击"所有标签"面板中的标签，可以实现筛选包含特定标签的图像的基本功能。除此之外，您还可以在"图像"面板顶部的"筛选图像"框中构建更复杂的筛选条件。

<details> <summary> 点击此处查看筛选语法的完整文档。 </summary>

筛选条件

以下是您可以用来指定筛选条件的前缀：

tag:：将筛选词作为标签的图像
- tag:cat将匹配带有cat标签的图像。
caption:：说明文字中包含筛选词的图像
- 说明文字是指.txt文件中出现的标签列表作为单个字符串。
- caption:cat将匹配说明文字中任何位置包含cat的图像。例如，带有orange cat标签或catastrophe标签的图像。
name:：文件名中包含筛选词的图像
- name:cat将匹配如cat-1.jpg或large_cat.png等图像。
path:：完整文件路径中包含筛选词的图像
- path:cat将匹配如C:\Users\cats\dog.jpg或/home/dogs/cat.jpg等图像。
您也可以使用不带前缀的筛选词，以筛选说明文字或文件路径中包含该词的图像。
- cat将匹配说明文字或文件路径中包含cat的图像。

以下是用于数值筛选的前缀。运算符=（==也可以）、!=、<、>、<=和>=用于指定比较类型。

tags：具有指定标签数量的图像
- tags:=13 将匹配恰好有13个标签的图像。
- tags:!=7 将匹配不恰好有7个标签的图像（少于7个或多于7个标签的图像）。
chars：图像说明中具有指定字符数的图像
- chars:<100 将匹配说明中字符数少于100的图像。
- chars:>=30 将匹配说明中字符数大于或等于30的图像。
tokens：图像说明中具有指定标记数的图像
- tokens:>75 将匹配说明中标记数超过75的图像。
- tokens:<=50 将匹配说明中标记数小于或等于50的图像。

空格和引号

如果过滤词包含空格，必须用引号（单引号或双引号）将其括起来。例如，要查找带有"orange cat"标签的图像，必须使用 tag:"orange cat" 或 tag:'orange cat'。如果过滤词中同时包含空格和引号，可以用反斜杠转义引号。例如，可以使用 tag:"orange \"cat\"" 来匹配标签 orange "cat"。另一种方法是对外部和内部引号使用不同类型的引号，如：tag:'orange "cat"'。

通配符

可以使用 * 字符作为通配符匹配任意数量的任意字符，使用 ? 字符匹配任意单个字符。例如，tag:*cat 将匹配带有 orange cat、large cat 和 cat 等标签的图像。

组合过滤器

可以使用逻辑运算符组合多个过滤器：

NOT：不匹配该过滤器的图像
- NOT tag:cat 将匹配没有 cat 标签的图像。
AND：同时匹配运算符前后两个过滤器的图像
- tag:cat AND tag:orange 将匹配同时具有 cat 和 orange 标签的图像。
OR：匹配运算符前后任一过滤器的图像
- tag:cat OR tag:dog 将匹配具有 cat 或 dog 标签，或同时具有两者的图像。

这些运算符的小写版本也可以使用：not、and 和 or。

运算符优先级为 NOT > AND > OR，因此默认情况下，先计算 NOT，然后是 AND，最后是 OR。可以使用括号改变这个顺序。例如，在 tag:cat AND (tag:orange OR tag:white) 中，先计算 OR，匹配具有 cat 标签，且具有 orange 或 white 标签的图像。可以嵌套括号和运算符来创建任意复杂的过滤器。