Intégrations
Connectez Potato avec des modèles d'IA, des plateformes de crowdsourcing, et exportez vers vos frameworks ML préférés.
Intégration IA et LLM
Boostez l'annotation avec l'assistance de l'IA
OpenAI
GPT-4, GPT-3.5 for intelligent hints, auto-suggestions, and keyword highlighting.
Voir la documentation →Anthropic Claude
Claude 3 models for nuanced annotation assistance and quality checking.
Voir la documentation →Google Gemini
Gemini Pro for multimodal annotation support across text and images.
Voir la documentation →Local LLMs (Ollama)
Run AI-assisted annotation with local LLMs using Ollama. Keep your data completely private.
Voir la documentation →HuggingFace
Access open-source models via HuggingFace Inference API for flexible AI assistance.
Voir la documentation →OpenRouter
Access multiple AI providers through a single API with OpenRouter integration.
Voir la documentation →vLLM
Self-hosted high-performance inference with vLLM for maximum control and speed.
Voir la documentation →Fonctionnalités propulsées par l'IA
- Suggestions d'étiquettes intelligentes
- Mise en évidence automatique de mots-clés
- Assistance au contrôle de qualité
- Pré-annotation pour révision
- Génération d'explications
- Vérification de la cohérence
Options de main-d'œuvre
Utilisez votre propre équipe ou passez à l'échelle avec le crowdsourcing
Votre propre équipe
Recommandé pour les données sensiblesExécutez Potato en local ou sur vos propres serveurs avec vos annotateurs internes. Idéal pour les données sensibles qui ne peuvent pas être partagées en externe, les études approuvées par le comité d'éthique, ou lorsque vous disposez déjà d'une équipe d'annotation formée.
Avantages
Ou passez à l'échelle avec des plateformes de crowdsourcing
Prolific
Academic-friendly crowdsourcing with quality participants. Full integration with completion URLs and participant tracking.
Fonctionnalités
Amazon MTurk
Scale to thousands of annotators with Mechanical Turk integration. Supports qualifications and approval workflows.
Fonctionnalités
Formats de données pris en charge
Importez des données dans n'importe quel format courant
Text
.txt, .json, .jsonl
Images
.jpg, .png, .gif, .webp
Audio
.mp3, .wav, .ogg, .m4a
Video
.mp4, .webm, .mov
Documents
.pdf, .html
Formats d'export
Exportez les annotations vers les formats ML populaires
General
- JSON
Native Potato format with full annotation data
- JSONL
Line-delimited JSON for streaming and large datasets
- CSV
Tabular export for spreadsheet analysis
NLP
- CoNLL
Standard format for NER and sequence labeling
- Hugging Face
Direct export to HF Datasets format
- spaCy
Training data format for spaCy models
Computer Vision
- COCO
MS COCO format for object detection
- YOLO
YOLO format for real-time detection
- Pascal VOC
XML format for image classification
API Python et CLI
Accès programmatique pour l'automatisation
Ligne de commande
# Start annotation server potato start config.yaml # Export annotations potato export --format coco # Validate configuration potato validate config.yaml
API Python
from potato import Potato
# Load project
project = Potato("config.yaml")
# Get annotations
annotations = project.get_annotations()
# Export to DataFrame
df = project.to_dataframe()Prêt à commencer ?
Installez Potato et commencez à l'intégrer avec vos outils préférés en quelques minutes.