pixai-tagger-v1.0

pixai-tagger-v1.0

用 30,877 个标签的词表给动漫图片打标签，分六个类别，涵盖角色、服装和风格。适合整理图片库、构建数据集或撰写图片说明的人。

由 pixai-labs 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：PixAI Tagger v1.0 是 pixai-labs 的图像分类模型，读取一张动漫图片，为找到的每个标签返回一个分数。它的词表有 30,877 个标签，分六个类别。它基于微调过的 SAM3 骨干网络，有 486M 参数，按 1008 乘 1008 像素读取图片。模型卡给出的知识截止时间是 2026 年 5 月。

适合谁：它适合经常处理大量动漫图片、想让工具自动生成标签的人，比如收藏者、数据集构建者和说明文字撰写者。

行业 | 谁在用 | 怎么用 | 例子
动漫和插画 | 收藏者和档案管理者 | 按标签整理大型图片库 | 找出某个角色的所有图片
AI 训练 | 数据集构建者 | 为训练准备带标签的图片 | 微调前给一个文件夹加上标签
艺术平台 | 网站开发者 | 为上传的内容添加可搜索的标签 | 有人发图时推荐标签
内容说明 | 提示词和说明文字撰写者 | 从标签列表开始写说明 | 把标签列表变成一段文字描述

如果你的图片是真实照片，可以跳过它，因为模型卡把它描述为动漫图片的标签工具。

用在哪里：

• 装有 Transformers 库的 Python，通过它的 pipeline 调用
• 装有 PyTorch、torchvision、timm、NumPy 和 Pillow 的环境
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• 如果你已经下载了模型，也可以用本地文件夹

用例 | 谁用 | 得到什么
图片库整理 | 收藏者 | 每张图片按类别分组的标签
数据集准备 | 构建者 | 用来筛选和标注图片的标签分数
说明文字帮助 | 撰写者 | 可转成说明文字的标签名

如何设置：你需要 Python 来使用下载工具，另外还要上面列出的那些库。权重在 F32 下约 1.9 GB，4-bit 下估计约 243 MB。

• Windows、macOS 或 Linux 上的 Python
• huggingface_hub 包
• PyTorch、torchvision、Transformers、timm、NumPy 和 Pillow
• 磁盘和内存里为权重留出的空间

1. 安装 huggingface_hub。
2. 下载模型文件，或让 pipeline 按名称自行获取。
3. 安装其他库，然后运行下面的快速上手。

pip install -U huggingface_hub
hf download pixai-labs/pixai-tagger-v1.0

如何使用：快速上手会建立一个打标签的 pipeline，打开一张图片，并打印通用标签。结果以标签名加分数的形式返回，按类别分组。这个 pipeline 已经为每个类别应用了推荐的阈值。

from PIL import Image
from transformers import pipeline

model_id = "pixai-labs/pixai-tagger-v1.0"
tagger = pipeline(
    model=model_id,
    image_processor=model_id,
    trust_remote_code=True,
)

image = Image.open("image.jpg")
results = tagger(image)["results"]
print(results["general"])

阈值调高，标签更少但更有把握；调低，会放进更多猜测。你可以只设置一个类别，也可以传一个数字给所有类别。

类别 | 标签数 | 涵盖内容
general | 15,043 | 看得见的东西，比如服装、姿势和物体
character | 8,308 | 有名字的角色
style | 4,917 | 风格标签
copyright | 2,460 | 原作和系列
meta | 145 | 媒介和分辨率标签
rating | 4 | 内容分级标签

示例：你用 Pillow 打开一张图片，交给打标签工具，并打印通用结果。模型卡的示意输出里有 1girl 和 solo 这样的标签，分数分别接近 0.98 和 0.95。

新手与专家：如果你刚接触这类模型，它会看一张图片，列出描述它的词，每个词配一个分数。第一次可以用一张图片和默认阈值试一下。

对熟悉这个领域的人来说，作者在自己的测试集上为每个类别选定了截止值，所以请把这些值当作用在你自己图片上的起点。模型会在不拉伸的前提下缩放并填充输入。模型卡在共有的标签上把它和另外七个打标签工具做了对比。

Title: 与 v0.9 共有标签上的 Micro F1
v0.9 General: 0.5980
v1.0 General: 0.6660
v0.9 Character: 0.8198
v1.0 Character: 0.9242

你用 Transformers pipeline 加载打标签工具
你传入一张图片
模型在六个类别中给标签打分
你保留高于各阈值的标签

注意事项：这个 pipeline 会加载仓库里的模型代码，这正是 trust_remote_code 设置所允许的，所以在意的话请先读一遍。

• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 你在自己机器上传入的图片，以及下载的文件
• Not for: 不是动漫的图片，因为模型卡把它描述为动漫图片的标签工具

Hugging Face 上的数据（2026年11月13日）

• 任务：image classification
• 框架：transformers
• 参数量：486M
• Weights: about 1.9 GB in F32; about 243 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：36,625
• 点赞：165
• 许可证：apache-2.0
• Quantized versions: 7
• Fine-tunes: 3
• 标签：transformers, safetensors, cls_vitdet, feature-extraction, multi-label, anime, image-classification

链接

• 模型：https://huggingface.co/pixai-labs/pixai-tagger-v1.0
• 文件：https://huggingface.co/pixai-labs/pixai-tagger-v1.0/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 pixai-labs/pixai-tagger-v1.0

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。