AI 訓練資料集的準備與標註工具

資料擷取與 API 入口

先確認要處理的是哪一種原始資料，以及工具是否涵蓋那條路徑。Dumpling AI 的定位是資料擷取與清理，適合先把資料取出，再整理成可用內容；這個分類也包含從檔案、網站與 API 收集紀錄。若入口是圖片而非資料列，Batch Cropper 的重點則是批次裁切、調整尺寸、轉換格式與 caption 產生。Ask On Data 以聊天方式進行資料工程與資料處理。選擇時應對照實際輸入、批次方式與預期輸出，不要只看 AI 標籤。

表格清理與重複資料

如果問題集中在資料列，應先看工具能否處理清理、去重與格式統一，再確認整理後的資料如何交給下一步。Dumpling AI 明確聚焦資料擷取與清理；Ask On Data 則把重點放在聊天式資料工程與資料處理。這類工具能協助建立或修整訓練資料，卻不等於模型訓練、模型託管或模型服務平台，也不是用來製作 BI 儀表板或分析報表。若需求是預測、報表或部署模型，應另找對應類別。

圖片裁切與 caption

影像資料的選擇重點，通常在批次裁切、尺寸調整、格式轉換，以及是否需要文字描述。Batch Cropper 同時涵蓋 bulk cropping、resizing、image converting 與 caption generation，適合把一批圖片先整理，再進入標註或訓練前流程。挑選時要先列出來源圖片格式、目標格式、所需尺寸與 caption 形式；也要確認實際的解析度範圍、檔案大小、批次數量與配額。現有產品描述沒有提供這些上限，因此不能預設每項需求都能直接完成。

標籤註記與流程銜接

資料準備不只是在前端收集內容，也包括把紀錄或圖片整理成後續可使用的資料，並視需要加入標籤或註記。若流程從網站、檔案或 API 開始，可先評估 Dumpling AI 的擷取與清理定位；若中段是圖片處理，Batch Cropper 可對應裁切、縮放、轉換與 caption；若工作者希望以對話方式處理資料工程，可查看 Ask On Data。最後要逐項核對匯出形式、欄位保留方式、圖片與文字是否能一起交付，以及能否接上你的下一個工具。

圖片格式、價格與配額

真正的選擇差異，不只在功能名稱，也在輸入輸出格式、解析度或資料長度、批次配額、價格計算方式、匯出選項與整合方式。可把需求寫成檢查表：要處理表格還是圖片？來源是檔案、網站、API 還是聊天輸入？要輸出清理後紀錄、轉換後圖片、caption、標籤或註記？目前列出的產品說明沒有交代價格、配額、匯出格式或整合清單，因此這些項目都應在採用前向產品頁逐一確認，而不是自行推定。