Auto Tagger Plugin for Eagle

English | 简体中文

Eagle 自动打标插件

为 Eagle 资源库中有缩略图的文件自动生成描述性标签。无需安装 Python 或 Node.js 环境，下载即用。支持 GPU 加速（DirectML/WebGPU）与 CPU 自动回退。

✨ 功能特性

• 零依赖安装：无需配置 Node.js、Python 或任何开发环境，下载解压即可导入 Eagle。
• 智能识别：自动分析图片/视频内容并生成精准标签。
• 硬件加速：
  • 优先使用 GPU 加速（支持 DirectML / WebGPU，无需 CUDA）。
  • 无显卡或显存不足时自动切换至 CPU 模式。
• 多模型支持：兼容 WDv2、Vitv3、CL-Tagger 等主流模型。

📥 安装指南

1. 下载插件 请前往 Releases 页面 下载最新版本的插件格式：

• Windows 用户: 下载 auto-tagger-eagle-plugin-win-x64.eagleplugin
• macOS 用户: 下载 auto-tagger-eagle-plugin-mac-arm64.eagleplugin (仅支持 Apple Silicon M1/M2/M3...)

2. 导入 Eagle

• 下载 .eagleplugin 文件。
• 打开 Eagle 软件。
• 将 .eagleplugin 文件拖入 eagle 内，并点击 install 即可

  系统要求：

  • Windows 10/11 x64
  • macOS 14+ (Apple Silicon)
  • Eagle App v4.0 及以上版本

🧠 模型配置

本插件需配合模型文件使用。为了减小体积，插件包内不包含预训练模型，请按需下载，或在插件界面下载。

1. 获取模型 请访问 HuggingFace - SmilingWolf 下载以下推荐模型（下载 model.onnx 和 selected_tags.csv 两个文件即可(CL-Tagger 除外)）：

• 推荐：wd-v1-4-moat-tagger-v2 (综合效果最好)
• 高精度：wd-vit-tagger-v3
• 其他：CL-Tagger (需配合 json 映射表)

2. 放置模型

• 将下载的文件放入插件目录下的 models 文件夹中。推荐结构如下：

   auto-tagger-eagle-plugin/
   └── models/
   ├── wd-v1-4-moat-tagger-v2/ <-- 文件夹名即为模型名
   │ ├── model.onnx
   │ └── selected_tags.csv
   └── wd-vit-tagger-v3/
   ├── model.onnx
   └── selected_tags.csv

注：cL-tagger 模型文件夹下放置的是 model.onnx 和 tag_mapping.json

🚀 使用说明

• 在 Eagle 中选中一张或多张图片。
• 点击右键或插件图标，选择 "Auto Tagger"。
• 在弹出的面板中选择模型（如 wd-v1-4-moat-tagger-v2）。
• 点击开始，等待标签生成完毕。

⚠️ 注意事项

模型名称	注意事项
wd-v1-4-moat-tagger-v2	⚠️ 批次大小 (Batch Size) 只能设置为 1，否则可能报错。
wd-vit-tagger-v3	显存占用稍高，速度稍慢，但精度更高。
cl_tagger	建议置信度阈值设置大于 0.55，否则会产生过多干扰标签。

🛠️ 开发者指南 (Build from source)

如果你想自行修改代码或编译插件，请参考以下步骤（普通用户请跳过）： 环境准备

• Node.js 20+
• Git

1. 克隆仓库

git clone https://github.com/bukkumaaku/auto-tagger-eagle-plugin.git
cd auto-tagger-eagle-plugin

2. 安装依赖

npm install

🤝 贡献与反馈

遇到问题或有新功能建议？欢迎提交 Issues。 提交 Issue 时请提供：

• 操作系统版本
• 错误日志截图 (在插件界面按 F12 出现的控制台查看)
• 显卡型号