Haruka-Tagger

Haruka-Tagger

一次为动漫风格插画打上多达 98,782 个 Danbooru 标签，涵盖画师、角色、版权、通用特征、年份和分级。适合整理或检索图片集合的人。

由 KaraKaraWitch 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Haruka-Tagger 是面向 Danbooru 风格画作的图片打标模型。它一次计算就为一份含 98,782 个标签的列表中的每个标签打分，范围涵盖画师名、角色、版权、通用特征、年份和分级。它用 86M 参数的 EVA02 主干，上面接一个小型注意力树，在约 925 万张去重后的图片上训练。

适合谁：它适合整理、归档或检索大量动漫风格图片、并且想要比常见打标模型多得多的标签的人。

行业 | 谁在用 | 怎么用 | 例子
图片档案 | 档案管理员 | 给大批插画添加丰富的标签 | 给一个同人图文件夹打上角色和画师标签
数据集构建 | 机器学习工程师 | 用详细标签为训练图片写说明 | 为图像模型数据集准备标签
搜索和浏览 | 网站开发者 | 让插画库可以按标签搜索 | 找出某个角色的所有图片
研究 | 研究者 | 研究大词表下的长尾打标 | 测试罕见的画师和角色标签

如果你的图片是照片，或者只需要少数几个常见标签，可以跳过它。

用在哪里：

• 使用 timm 和 PyTorch 权重的 Python 脚本
• 运行 ONNX 图的工具，使用导出的模型
• 自带的命令行推理脚本
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

用例 | 谁用 | 得到什么
给一张图片打标 | 任何人 | 画师、角色、通用等类别上带分数的标签
批量打标 | 机器学习工程师 | 约每秒 605 张图片的打标速度
看标签为何触发 | 研究者 | 显示模型看了哪里的热力图

如何设置：你需要 Python、下载工具，以及运行 PyTorch 权重或 ONNX 图的方式。

• Windows、macOS 或 Linux 上的 Python
• huggingface_hub 包
• timm 库，如果用 ONNX 文件则需要 ONNX 运行时
• 放 809 MB 权重文件和 822 MB ONNX 文件的空间

1. 安装 huggingface_hub。
2. 下载仓库文件。
3. 对一张图片运行推理脚本。

pip install -U huggingface_hub
hf download KaraKaraWitch/haruka-tagger

如何使用：仓库里有 haruka_infer.py，一个独立的命令行脚本。它给图片打标，可以查看查询树，还能保存热力图，显示每个标签来自图片的哪个位置。

python haruka_infer.py image.jpg --save-vis tree_vis.jpg

类别 | 标签数 | 建议阈值
画师 | 38,447 | 0.25，要高召回则用 0.15
角色 | 31,471 | 0.35，罕见和跨作品角色用 0.25
通用 | 21,748 | 0.35，要高精度则用 0.45
版权 | 7,091 | 0.35
年份 | 21 | 0.25
分级 | 4 | argmax 或 0.50

示例：你对 image.jpg 运行脚本，并要求保存可视化结果。你会得到画师、角色、通用、版权、年份和分级的带分数标签，还有 tree_vis.jpg，显示每个标签来自图片的哪个位置。

新手与专家：如果你刚接触这类模型，打标模型会看一张图片，并列出描述它的词，比如角色名或服装。第一次可以对一张插画运行上面的命令，再读高于阈值的标签。

对熟悉这个领域的人来说，它从第一步起就把主干和一个由 18 个查询组成的两级注意力树一起训练，采用 slot-sigmoid 路由。阻尼式重复因子采样和逐标签的损失权重让罕见标签保持存在，又不让 1girl 这样的标签主导梯度。

Title: 每个类别的标签数
Artist: 38,447 tags
Character: 31,471 tags
General: 21,748 tags
Copyright: 7,091 tags
Year: 21 tags
Rating: 4 tags

图片被缩放到 448 乘 448
EVA02 主干生成图块特征
18 查询注意力树把它们汇聚
输出头一次为全部 98,782 个标签打分

注意事项：WD-v3 这类常见打标模型的词表只到大约 10,000 到 13,500 个标签，而这个模型覆盖了画师和罕见角色的长尾。

• License: Apache 2.0
• Cost to run: 未提及，模型卡在 H100 上测得约 1.5 GB 显存
• Data it reaches: 你传入的图片和下载的文件
• Not for: 照片或非动漫内容，因为模型卡只描述 Danbooru 风格的打标

Hugging Face 上的数据（2026年11月13日）

• 任务：image classification
• 框架：timm
• Formats: Safetensors
• 最近 30 天下载：0
• 点赞：10
• 许可证：apache-2.0
• 基于：KaraKaraWitch/Haruka-EVA02-base-448
• Fine-tunes: 1
• 标签：timm, onnx, image-classification, anime, danbooru, tagger, eva02, safetensors

链接

• 模型：https://huggingface.co/KaraKaraWitch/haruka-tagger
• 文件：https://huggingface.co/KaraKaraWitch/haruka-tagger/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download KaraKaraWitch/haruka-tagger

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。