Label Studio Enterprise 2.35.2 版本解读修复 OcrLabels 在 OCR PDF 标注中的文本重复存储问题【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studioLabel Studio Enterprise 2.35.2发布于 2026 年 8 月 20 日对应 Helm Chart 2.0.7是一个聚焦于稳定性修复的补丁版本其核心修复点是在使用OcrLabels标签对带文本层的 OCR PDF 进行标注时选中文本可能被重复存储为多个相同的文本值而非仅保存一次。本文将围绕该修复展开先说明Pdf与OcrLabels标签在 PDF 文档智能标注中的定位与用法再深入分析本次修复的 Bug 现象、影响面与验证方式并结合本仓库的前端实现与标注模板源码给出可在本地直接复用的配置示例。版本概览2.35.2 的核心内容docs/source/guide/release_notes/onprem/2.35.2.md是本版本的官方发布说明其要点如下发布类型Label Studio Enterprise 2.35.2On-Prem私有化部署版本发布日期2026 年 8 月 20 日Helm Chart 版本2.0.7适用于 Kubernetes 部署场景修复主题Fixed duplicate text values when annotating OCR PDFs with OcrLabelsBug 修复明细修复了在带OcrLabels标签的 OCR PDF 上选择文本时可能将选中文本值存储为多个重复副本而不是仅存储一次的问题。该版本没有新增功能属于典型的维护性补丁重点在于保证 OCR 标注数据产出的正确性与一致性——这对下游的文档智能、发票信息抽取、表单结构化等依赖标注结果的任务至关重要。背景知识Pdf 与 OcrLabels 标签的 OCR 标注机制要理解本次修复的价值需要先了解Pdf与OcrLabels这对标签在 Label Studio 中承担的职责。Pdf 标签原生渲染多页 PDF根据 Pdf 标签文档Pdf标签用于在标注界面中直接展示 PDF 文档支持缩放Zoom、旋转Rotation以及最多 100 页的多页文档。它既可以用于文档级标注如分类、转写、摘要也可以用于对带有文本层的 PDF 执行 OCR 校验。在前端实现层面Pdf.jsx 中定义了PdfModel它通过value参数接收数据字段中的 PDF URLparseValue从任务数据task.dataObj中解析渲染层使用 HTMLembed标签以内嵌方式展示application/pdf文档。这也解释了为什么它要求 PDF 本身可被浏览器原生解析并且能支持缩放与旋转操作。OcrLabels 标签区域级 OCR 文本捕获OcrLabels是 Enterprise 专属标签只与Pdf标签配合使用。它允许标注者在 PDF 页面上绘制边界框bounding box并将边界框下的文本从 PDF 文本层中读取出来分配一个或多个Label子标签。每个区域最终会输出标准化结果字段便于下游结构化抽取结果字段类型说明x,y,width,heightNumber0 到 1 之间的数值相对于页面尺寸归一化rotationNumber顺时针旋转角度范围 0–360原点在区域左上角(x, y)pageIndexNumber页码从 1 开始计数ocrtextString捕获的文本可选中区域后通过 Info 面板编辑修正两点使用须知源自 pdf.md要求 PDF 含文本层文本层text overlay质量越好捕获文本越准确纯扫描件或手机拍摄的无文本层 PDF 不会返回文本需要先用外部 OCR 工具补充文本层。若文本层错位或质量低捕获文本可能不完整或错误——而这一功能恰好可用于审计和改善这些文本层旋转原点约定在 UI 中旋转看起来以区域中心为原点但实际存储时原点为区域的左上角(x, y)。标准标注配置示例一份完整的 OCR 标注配置来自 PDF OCR 模板 以及 仓库模板 config.ymlView Style .htx-pdf { calc(100vh - 250px); } /Style Header valueSelect text to correct size4/ OcrLabels nameocr toNamepdf Label valueTypo / Label valueIncorrect Amount / Label valueIncorrect Name / /OcrLabels Pdf namepdf value$pdf/ /View配套的任务数据示例{ data: { pdf: /static/samples/opossum-cuteness.pdf } }配置中各标签的分工Pdf原生展示 PDF支持缩放、旋转最多 100 页OcrLabels提供区域级 OCR 标注能力必须包含一个或多个Label子标签并支持maxUsages等标准参数与RectangleLabels类似可参考 rectanglelabels.mdStyle通过.htx-pdf类控制 PDF 渲染区域样式如高度、边框。calc(100vh - 250px)是常用默认值具体像素需根据界面元素自行微调。本次修复详解文本值重复存储问题问题现象在 2.35.2 之前的版本中标注者在使用OcrLabels对 OCR PDF 选择文本时同一个选中文本值可能被存储为多个重复副本而不是仅保存一次。也就是说预期结果为单个字符串如peek实际标注结果中可能出现重复的相同值。这类数据污染对下游影响明显导出数据中会出现冗余的ocrtext字段增加数据清洗成本重复文本可能干扰基于标注结果的模型训练与质量统计在人工复核与文档抽取流水线中重复值会破坏一个区域一条记录的数据契约。修复内容2.35.2 明确修复了这一缺陷现在选择文本时选中的值只会被存储一次。修复不改变标注交互方式也不影响结果字段结构x/y/width/height/rotation/pageIndex/ocrtext仍保持原样仅保证ocrtext等文本值的唯一性。从仓库上下文可以推断该问题属于前端标注区域Region模型中的文本值写入逻辑缺陷而非 PDF 渲染层问题——因为Pdf.jsx仅负责文档展示文本值的捕获与存储由OcrLabels对应的区域模型完成。若你的部署中包含大量 OCR PDF 标注任务升级后应重点回归验证导出 JSON 中ocrtext字段的幂等性。升级与验证建议升级方式Kubernetes / Helm 部署升级至 Helm Chart 2.0.7对应 Label Studio Enterprise 2.35.2 镜像其他部署方式按官方 On-Prem 部署流程拉取 2.35.2 镜像重新部署即可。验证清单升级后建议执行以下验证确认修复生效且无回归文本唯一性验证新建一个带文本层 PDF 的项目使用上述OcrLabels配置选中一段文本创建区域检查 Info 面板与导出结果中ocrtext仅出现一次结果结构兼容性确认pageIndex、rotation、归一化坐标x/y/width/height的输出格式与 2.35.2 之前一致下游解析脚本无需改动多页与旋转回归在多页 PDF 上翻页、旋转后重复选择文本确认区域坐标与文本捕获依然正确预测导入回归2.33.0 曾修复过为 VectorLabels 与 OcrLabels 区域上传预测的问题见 2.33.0 发布说明本次升级后建议一并回归验证预测导入流程。源码佐证与延伸阅读Pdf 标签前端实现web/libs/editor/src/tags/object/Pdf.jsxPdfModel与embed渲染逻辑OCR 标注模板label_studio/annotation_templates/computer-vision/pdf_ocr/config.yml完整可复制的标注配置与元数据Pdf 标签完整文档docs/source/tags/pdf.md支持能力、结果字段、样式与输入示例PDF OCR 模板文档docs/source/templates/pdf_ocr.md配置逐项解析与数据样例上一版本相关修复docs/source/guide/release_notes/onprem/2.33.0.mdOcrLabels 预测上传等历史修复。小结Label Studio Enterprise 2.35.2 虽是一个单点修复的补丁版本但它直接保障了 OCR PDF 标注数据的质量底线OcrLabels捕获的文本值不再重复标注结果更符合一区域一文本的数据契约。对于正在用 Label Studio Enterprise 构建发票处理、表单抽取、合同审查等文档智能流水线的团队建议尽快升级至 Helm Chart 2.0.7并按上文验证清单做一次针对性回归确保标注数据从源头保持干净、一致、可追溯。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Label Studio Enterprise 2.35.2 版本解读：修复 OcrLabels 在 OCR PDF 标注中的文本重复存储问题
Label Studio Enterprise 2.35.2 版本解读修复 OcrLabels 在 OCR PDF 标注中的文本重复存储问题【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studioLabel Studio Enterprise 2.35.2发布于 2026 年 8 月 20 日对应 Helm Chart 2.0.7是一个聚焦于稳定性修复的补丁版本其核心修复点是在使用OcrLabels标签对带文本层的 OCR PDF 进行标注时选中文本可能被重复存储为多个相同的文本值而非仅保存一次。本文将围绕该修复展开先说明Pdf与OcrLabels标签在 PDF 文档智能标注中的定位与用法再深入分析本次修复的 Bug 现象、影响面与验证方式并结合本仓库的前端实现与标注模板源码给出可在本地直接复用的配置示例。版本概览2.35.2 的核心内容docs/source/guide/release_notes/onprem/2.35.2.md是本版本的官方发布说明其要点如下发布类型Label Studio Enterprise 2.35.2On-Prem私有化部署版本发布日期2026 年 8 月 20 日Helm Chart 版本2.0.7适用于 Kubernetes 部署场景修复主题Fixed duplicate text values when annotating OCR PDFs with OcrLabelsBug 修复明细修复了在带OcrLabels标签的 OCR PDF 上选择文本时可能将选中文本值存储为多个重复副本而不是仅存储一次的问题。该版本没有新增功能属于典型的维护性补丁重点在于保证 OCR 标注数据产出的正确性与一致性——这对下游的文档智能、发票信息抽取、表单结构化等依赖标注结果的任务至关重要。背景知识Pdf 与 OcrLabels 标签的 OCR 标注机制要理解本次修复的价值需要先了解Pdf与OcrLabels这对标签在 Label Studio 中承担的职责。Pdf 标签原生渲染多页 PDF根据 Pdf 标签文档Pdf标签用于在标注界面中直接展示 PDF 文档支持缩放Zoom、旋转Rotation以及最多 100 页的多页文档。它既可以用于文档级标注如分类、转写、摘要也可以用于对带有文本层的 PDF 执行 OCR 校验。在前端实现层面Pdf.jsx 中定义了PdfModel它通过value参数接收数据字段中的 PDF URLparseValue从任务数据task.dataObj中解析渲染层使用 HTMLembed标签以内嵌方式展示application/pdf文档。这也解释了为什么它要求 PDF 本身可被浏览器原生解析并且能支持缩放与旋转操作。OcrLabels 标签区域级 OCR 文本捕获OcrLabels是 Enterprise 专属标签只与Pdf标签配合使用。它允许标注者在 PDF 页面上绘制边界框bounding box并将边界框下的文本从 PDF 文本层中读取出来分配一个或多个Label子标签。每个区域最终会输出标准化结果字段便于下游结构化抽取结果字段类型说明x,y,width,heightNumber0 到 1 之间的数值相对于页面尺寸归一化rotationNumber顺时针旋转角度范围 0–360原点在区域左上角(x, y)pageIndexNumber页码从 1 开始计数ocrtextString捕获的文本可选中区域后通过 Info 面板编辑修正两点使用须知源自 pdf.md要求 PDF 含文本层文本层text overlay质量越好捕获文本越准确纯扫描件或手机拍摄的无文本层 PDF 不会返回文本需要先用外部 OCR 工具补充文本层。若文本层错位或质量低捕获文本可能不完整或错误——而这一功能恰好可用于审计和改善这些文本层旋转原点约定在 UI 中旋转看起来以区域中心为原点但实际存储时原点为区域的左上角(x, y)。标准标注配置示例一份完整的 OCR 标注配置来自 PDF OCR 模板 以及 仓库模板 config.ymlView Style .htx-pdf { calc(100vh - 250px); } /Style Header valueSelect text to correct size4/ OcrLabels nameocr toNamepdf Label valueTypo / Label valueIncorrect Amount / Label valueIncorrect Name / /OcrLabels Pdf namepdf value$pdf/ /View配套的任务数据示例{ data: { pdf: /static/samples/opossum-cuteness.pdf } }配置中各标签的分工Pdf原生展示 PDF支持缩放、旋转最多 100 页OcrLabels提供区域级 OCR 标注能力必须包含一个或多个Label子标签并支持maxUsages等标准参数与RectangleLabels类似可参考 rectanglelabels.mdStyle通过.htx-pdf类控制 PDF 渲染区域样式如高度、边框。calc(100vh - 250px)是常用默认值具体像素需根据界面元素自行微调。本次修复详解文本值重复存储问题问题现象在 2.35.2 之前的版本中标注者在使用OcrLabels对 OCR PDF 选择文本时同一个选中文本值可能被存储为多个重复副本而不是仅保存一次。也就是说预期结果为单个字符串如peek实际标注结果中可能出现重复的相同值。这类数据污染对下游影响明显导出数据中会出现冗余的ocrtext字段增加数据清洗成本重复文本可能干扰基于标注结果的模型训练与质量统计在人工复核与文档抽取流水线中重复值会破坏一个区域一条记录的数据契约。修复内容2.35.2 明确修复了这一缺陷现在选择文本时选中的值只会被存储一次。修复不改变标注交互方式也不影响结果字段结构x/y/width/height/rotation/pageIndex/ocrtext仍保持原样仅保证ocrtext等文本值的唯一性。从仓库上下文可以推断该问题属于前端标注区域Region模型中的文本值写入逻辑缺陷而非 PDF 渲染层问题——因为Pdf.jsx仅负责文档展示文本值的捕获与存储由OcrLabels对应的区域模型完成。若你的部署中包含大量 OCR PDF 标注任务升级后应重点回归验证导出 JSON 中ocrtext字段的幂等性。升级与验证建议升级方式Kubernetes / Helm 部署升级至 Helm Chart 2.0.7对应 Label Studio Enterprise 2.35.2 镜像其他部署方式按官方 On-Prem 部署流程拉取 2.35.2 镜像重新部署即可。验证清单升级后建议执行以下验证确认修复生效且无回归文本唯一性验证新建一个带文本层 PDF 的项目使用上述OcrLabels配置选中一段文本创建区域检查 Info 面板与导出结果中ocrtext仅出现一次结果结构兼容性确认pageIndex、rotation、归一化坐标x/y/width/height的输出格式与 2.35.2 之前一致下游解析脚本无需改动多页与旋转回归在多页 PDF 上翻页、旋转后重复选择文本确认区域坐标与文本捕获依然正确预测导入回归2.33.0 曾修复过为 VectorLabels 与 OcrLabels 区域上传预测的问题见 2.33.0 发布说明本次升级后建议一并回归验证预测导入流程。源码佐证与延伸阅读Pdf 标签前端实现web/libs/editor/src/tags/object/Pdf.jsxPdfModel与embed渲染逻辑OCR 标注模板label_studio/annotation_templates/computer-vision/pdf_ocr/config.yml完整可复制的标注配置与元数据Pdf 标签完整文档docs/source/tags/pdf.md支持能力、结果字段、样式与输入示例PDF OCR 模板文档docs/source/templates/pdf_ocr.md配置逐项解析与数据样例上一版本相关修复docs/source/guide/release_notes/onprem/2.33.0.mdOcrLabels 预测上传等历史修复。小结Label Studio Enterprise 2.35.2 虽是一个单点修复的补丁版本但它直接保障了 OCR PDF 标注数据的质量底线OcrLabels捕获的文本值不再重复标注结果更符合一区域一文本的数据契约。对于正在用 Label Studio Enterprise 构建发票处理、表单抽取、合同审查等文档智能流水线的团队建议尽快升级至 Helm Chart 2.0.7并按上文验证清单做一次针对性回归确保标注数据从源头保持干净、一致、可追溯。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
