Captioner – Bildbeschriftung für KI-Training

DIE IDEE

Captioner – Bildbeschriftung für KI-Training

Typ: Software Status: MVP Tech Stack: Python, FastAPI, Uvicorn, Pydantic, Pillow, React 18, Vite, Tailwind CSS, HuggingFace Transformers, PyTorch, Florence-2, JoyCaption, Docker, CUDA Problemstellung Das Training von KI-Bildmodellen, etwa LoRA- oder Diffusion-Feintuning, erfordert Bilddatensätze, in denen jedes Bild eine passende Textbeschreibung als gleichnamige .txt-Datei neben sich hat. Diese Beschreibungen von Hand im Texteditor zu pflegen ist mühsam und fehleranfällig. Einzelpersonen und kleine Teams brauchen dafür eine bequeme Oberfläche, die Bild und Beschreibung nebeneinander zeigt und leere Captions von einem lokalen Vision-Modell vorbefüllen lässt, ohne dass die Trainingsbilder die eigene Maschine verlassen. Beschreibung Captioner ist eine schlanke, lokal betriebene Web-Anwendung (React-SPA + FastAPI-Backend), die einen Bilder-Ordner rekursiv einliest und für jedes Bild ein editierbares Caption-Feld bereitstellt. Die Beschreibungen werden als gleichnamige .txt-Sidecar-Dateien neben den Bildern gespeichert — das Format, das gängige LoRA- und Diffusion-Trainings erwarten. Leere Captions lassen sich automatisch füllen: über lokale Vision-Modelle (Microsoft Florence-2, JoyCaption via HuggingFace) oder einen Dateinamen-Fallback, gekapselt in einer Provider-Registry mit Laufzeit-Verfügbarkeitsprüfung. Ausgaben entstehen als Fließtext oder als normalisierte, kommagetrennte Tag-Liste. Betrieben wird das Tool über drei Docker-Compose-Varianten (UI-only, CPU-Vision, GPU-Vision mit CUDA), sodass Trainingsbilder die eigene Maschine nicht verlassen; eine Datenbank gibt es nicht, der Speicher ist das Dateisystem. Der Kern-Workflow ist fertig, automatisierte Tests, Upload-UI und Batch-Steuerung fehlen noch. Anwendungsfall Ein einfaches Werkzeug, mit dem man viele Bilder bequem beschriftet und die Texte von einer lokalen KI vorausfüllen lässt, um daraus Trainingsdaten für eigene Bild-KI-Modelle zu machen. Link: https://github.com/rawk7000/captioner (privates Repo)