T-Rex Label AI 資料標註工具，框一個物件就能標滿整張圖

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

標過訓練資料集的人都碰過那種圖：一盤散裝螺絲、一整片玉米田、貨架上密密麻麻的商品、顯微鏡底下的細胞群。人工拉框標這種密集場景，一張圖點兩百次是日常，標完還要擔心漏掉半邊畫面。T-Rex Label 這個線上標註平台給的解法很直接：你在圖上框選一個物件當範例，模型就把整張圖裡長得像的全部標出來，換到下一張圖，相似目標也會自動帶上。

這個工具的來頭可以查證。它出自深圳研究機構 IDEA（International Digital Economy Academy）的電腦視覺團隊，底層偵測模型 T-Rex2 是 ECCV 2024 論文，主張讓文字提示與視覺提示在同一個模型裡互補。不過「免費」「開箱即用」這類第一印象，如今要打折扣看：平台已經是一套點數計費的雲端服務，而且你的圖片必須上傳到它的伺服器。這篇整理的是登入牆外查得到的現況，包括計費結構、資料流向與授權邊界；標註效果本身，建議用註冊時送的點數額度自己驗一輪再下判斷。

文字提示說不清楚的目標，用一個框當範例

傳統的 AI 輔助標註多半靠文字提示：輸入 cup，模型標出畫面裡的杯子。文字提示擅長表達「杯子」這種常見概念，但碰到罕見零件、特殊病害、或難以用一句話描述的目標就會卡住。T-Rex2 論文的切入點正是這裡：視覺提示用一個具體範例表達「我要標這種東西」，文字提示負責抽象概念，兩種提示在同一個模型裡透過對比學習互補，零樣本就能上場，不必先微調。

落到操作面上，官方介面的引導字串是這樣描述的：用 AI 工具框選一個目標，同一張圖裡所有相似物件會被自動標註；切換到下一張影像，圖中的同類目標也會自動跟上。官網宣稱這套流程能讓標註效率倍增，登入頁的標語寫的是「一鍵標注，N倍提效」。第三方轉述常見的「縮短 99% 標註時間」一類數字，官網現行頁面並沒有載明，看待時保留一點餘地是合理的。

平台上的自動標註實際分成兩種模式，登入頁文件寫得清楚：基於 T-Rex 視覺模型的互動式標註，以及基於 DINO-X 視覺模型的批次自動標註。前者是「你框一個、它補全部」的互動節奏，後者適合先讓模型跑一輪粗標再人工修。DINO-X 本身來頭也不小，官網術語庫的說明是：一個以物件為中心的統一視覺模型，訓練時用了一億筆以上樣本等級的 Grounding-100M 資料集，支援文字、視覺與免提示等多種輸入型態，偵測、分割、關鍵點與物件描述都掛在同一個模型上。標註型態則涵蓋 2D 框與分割，官網關鍵字另列了 SAM 一系的分割模型。能自動標的交給模型，模型漏掉的再用人工工具修，是這類產品設計的基本節奏。

免費開始按下去，先撞到的是登入牆

官網首頁的口號喊得響亮：「標注快到超乎想像」。實際走一遍未登入的流程：按下「免費開始」，頁面直接被導向登入頁，網址列上還帶著原本想去的目標路徑；直接輸入工作區相關的網址，也一律被送去登入頁。換句話說，這個平台沒有任何匿名試用的角落，要看標註介面長什麼樣，得先用 GitHub、Google 或微信其中一種帳號登入。對台灣讀者來說 GitHub 帳號通常是最不痛的選項，但它畢竟是一次第三方帳號授權，介意的人要先想清楚。

Pin

登入頁本身倒是把產品定位說得很白：主標題「一鍵標注，N倍提效」，配一張停車場空拍的標註示範圖，三個登入按鈕排在正中間，頁尾附上使用條款與隱私權政策的連結。從行銷頁到實際工作區之間，這道牆是第一個分水嶺：牆外的承諾人人可看，牆內的兌現程度只有登入後才知道。

Pin

順帶記一筆介面語言。官網提供簡體中文、英文、日文、韓文四種版本，沒有繁體中文。標註介面跟著簡中版走，對台灣使用者來說讀得懂但稱不上在地化，正式團隊採用時要考慮這一層摩擦。

免費的只有第一眼：300 個 T 豆和六個套餐等級

計費結構不需要登入也查得到，它就寫在官網頁面內建的介面字串裡。新帳號會收到見面禮：「我們已贈送您300個T豆，供您試用我們的預標註功能」。T 豆是平台的計價單位，預標註以「T 豆/張」計價，頁面會顯示限時優惠的標記；進入「智能標註」模式時，系統會先跳出確認視窗，寫明每張圖片將消耗多少點數、目前餘額還剩多少，餘額不足時的提示是「請充值您的帳戶後繼續使用」，不然就退回純手動模式。

付費方案分成試用、基礎、進階、高級、專業、旗艦六個等級，有效期間以年計，帳號系統裡有訂單紀錄、發票申請與「T 豆充值協議」等完整欄位。這套結構說明它的目標客群不只是一次性標幾張圖的個人玩家，還有需要報帳的團隊採購。至於每張圖實際扣多少 T 豆、各等級套餐的價格數字，都藏在登入牆後面，站外查不到，預算估計請以登入後的儲值頁面為準。

時間線值得記一筆。T-Rex Label 在 2024 年 6 月以「免費產品」的名義發布，當時的宣傳定位是研究團隊送給社群的工具；兩年後的現在，官網內建的是點數、套餐與發票。同段時間，團隊的舊平台 DeepDataSpace 網域已經直接轉址到公司新站，營運主體轉向空間智慧與世界模型一類的研發路線，標註平台成為產品線的一環。免費起家、計費收網，這條路徑在 AI 工具圈並不罕見，但它提醒我們：今天查到的計費規則，明年可能又不一樣。官網宣稱已有數萬名電腦視覺工程師用它加速標註流程，這個數字沒有附上統計來源，聽聽就好。

你的圖片去哪裡：隱私政策拆解

用雲端模型標註，意味著圖片必須離開你的電腦。這件事的細節寫在平台隱私政策裡，現行版本生效於 2025 年 11 月，全文十六頁，在同類工具站裡屬於少見的完整。幾個關鍵條款：上傳的圖片以 SSL/TLS 加密傳輸，僅供標註用途使用，平台聲明不會把使用者上傳的圖片或標註結果提供給第三方；個人資料的儲存位置在中國大陸境內的伺服器；伺服器日誌最多保存三個月。

營運主體也寫得明白：視啟未來（深圳）科技有限公司，註冊地址在深圳福田區的創業園區，官網頁尾掛著粵ICP備2025466514號-3 的備案號，聯絡信箱落在 visincept.com 公司網域下。資料落地位置是最需要想清楚的一條：如果你的影像涉及個資、醫療、安防或營業機密，把原始圖上傳到第三方雲端本身就是合規決策，跟工具好不好用無關。同樣的謹慎也適用於其他要上傳照片的 AI 服務，先前實測過的 EmojiMyFace 就是一例，先看清照片會去哪再按下上傳。

政策裡也寫了使用者可以主動做的事：要求存取、更正、刪除自己的個人資料，要求把資料移交另一個服務商；使用者協議另有一條，主動上傳的內容可以隨時要求站方移除。這些權利行使的入口是官方信箱。另外有個使用習慣上的提醒，同樣來自平台內建的介面字串：「T-Rex Label 不會保存您的標註資料，離開前，請導出您的標註資料」。標註到一半記得匯出，養成習慣比事後補救省事。匯入匯出支援 COCO 與 YOLO 兩種主流格式，接回既有訓練管線不需另外轉檔。

模型論文查得到，授權卻是兩套規則

IDEA 團隊在 GitHub 上的佈局，讓「開源」這個詞在這個生態裡有兩種意思。T-Rex2 的模型程式碼放在 IDEA-Research 帳號下，約兩千七百顆星，但授權條款是自訂的 IDEA License 1.0：僅授權非商業研究用途，商業使用必須另行向 IDEA 申請授權。同帳號下的 DINO-X API 儲存庫則採 Apache-2.0，寬鬆得多。而 T-Rex Label 標註平台本身是閉源的雲端服務，官網找不到任何原始碼連結。

對一般使用者，這些條款不影響在網頁上標圖；但對想把模型搬進自家產品流程的開發者，差別就大了。取用模型能力有兩條路：走官方雲端 API 平台直接呼叫 T-Rex2 或 DINO-X，按用量計費，不必碰標註介面；或者挑授權寬鬆的替代模型自建。想在自己機器上跑視覺模型的工作流，先前介紹過的 Zerox OCR 與 RapidOCR 都是開源又能在本機離線跑的例子，模式相近但場景不同。

匯入上限與瀏覽器：登入前該知道的其他限制

介面字串裡還藏著幾條會影響工作安排的硬限制。圖片匯入的數量上限與瀏覽器綁定：平台提示為了最佳體驗建議使用 Chrome 或 Edge，可以獲得最多五千張的匯入上限，其他瀏覽器上限更低；單一圖檔有大小上限，影片檔以 GB 計另有規範。影片匯入後會先抽成影格再進入標註流程，處理期間有進度視窗並提醒不要關閉該視窗，等於把影片標註轉成一批圖片來處理。

運算資源也不是無底洞。字串裡有公共伺服器負載不足時的道歉提示，請使用者稍後再試；分割標註另有影像尺寸與物件數量上限，超過時會建議縮圖或減少目標數。這些都不是缺點清單，而是使用預期管理：幾千張的資料集分批匯入是正常操作，公共算力在尖峰時段排隊也是可能發生的事。真要穩定的產線等級吞吐，付費方案或 API 路線才是對話的起點。

誰該領 T 豆試一輪，誰該直接繞道

整理成決策。你的情境符合以下三件事，值得花十分鐘驗證：影像可以出內網、目標是密集場景裡的同類物件、資料集要輸出成 COCO 或 YOLO。驗證方法不用花錢：用 GitHub 帳號登入領三百個 T 豆，丟五十到一百張真實工作場景的圖進去，框一個範例看模型把整批標成什麼樣子。召回率高、人工修正的時間明顯比從頭拉框省，這套流程就值得納入；漏標一半、或點數燒完只標了幾十張，就知道該停。順帶一提，標註這件事不全等於拉框，像 NVIDIA Nemotron 3 Diarization 處理的語音誰在何時說話，是同一門功夫的另一種變體。

反過來，影像不能離開內網的單位，這個平台從第一步就走不通，請直接看自架方案：CVAT 與 Label Studio 都是成熟的開源標註平台，架在自己的伺服器上，圖片不出門。要模型輔助就把偵測模型部署在本地再對接。資料主權的排序先於效率承諾，這條線畫在前面，工具選擇就不會糾結。

最後給個一句話定位：T-Rex Label 是一個模型血統可查證、計費結構透明度尚可的雲端 AI 標註平台，用視覺提示換標註效率的思路有論文支撐；它適合資料能上雲、想快速消化密集場景標註的團隊，用免費額度驗完再談預算。影像敏感的單位，自架開源平台仍是唯一正解。