લેબલ સ્ટુડિયોનો ઉપયોગ કેવી રીતે કરવો: 2025 માટે સંપૂર્ણ, નો-ફ્લફ માર્ગદર્શિકા
જો તમે કમ્પ્યુટર વિઝન, એનએલપી અથવા મલ્ટિમોડલ એઆઈ બનાવી રહ્યા છો, તો તમને એક જ અવરોધનો સામનો કરવો પડશે: ઉચ્ચ ગુણવત્તાવાળો લેબલ થયેલ ડેટા. લેબલ સ્ટુડિયો, એક ઓપન-સોર્સ ડેટા લેબલિંગ પ્લેટફોર્મ, તમને એક જ એમએલ સ્ટેકમાં લૉક કર્યા વિના ઇમેજ, ટેક્સ્ટ, ઑડિયો, ટાઇમ સિરીઝ અને વિડિયો એનોટેશન્સ પર લવચીક નિયંત્રણ આપે છે. આ વ્યવહારુ, સ્ટેપ-બાય-સ્ટેપ ટ્યુટોરીયલમાં, અમે તમને લેબલ સ્ટુડિયોનો ઉપયોગ કેવી રીતે કરવો તે બતાવીશું—ઇન્સ્ટોલેશનથી લઈને નિકાસ સુધી—જેથી તમે આત્મવિશ્વાસ સાથે "બ્લેન્ક પ્રોજેક્ટ" થી "પ્રોડક્શન-રેડી લેબલ્સ" તરફ આગળ વધી શકો.
અમે વ્યવહારુ અને સોલ્યુશન-ઓરિએન્ટેડ શૈલીને અનુસરીશું: ટૂંકા પગલાં, સ્પષ્ટ નિર્ણયો અને સામાન્ય ભૂલો ટાળવા માટે મદદરૂપ ટિપ્સ.
તમે શું શીખશો
- લેબલ સ્ટુડિયો કેવી રીતે ઇન્સ્ટોલ અને લોંચ કરવું
- તમારો પહેલો પ્રોજેક્ટ કેવી રીતે બનાવવો અને લેબલિંગ ટેમ્પલેટ કેવી રીતે પસંદ કરવું
- ડેટા કેવી રીતે આયાત કરવો (સ્થાનિક ફાઇલો, ક્લાઉડ બકેટ્સ, URL)
- ઇમેજ, ટેક્સ્ટ, ઑડિયો અથવા વિડિયો માટે લેબલિંગ ઇન્ટરફેસ કેવી રીતે સેટ કરવું
- લેબલર્સ, સમીક્ષાઓ અને ગુણવત્તા ખાતરીનું સંચાલન કેવી રીતે કરવું
- તમારી તાલીમ પાઇપલાઇન્સ સાથે સુસંગત ફોર્મેટમાં એનોટેશન્સ કેવી રીતે નિકાસ કરવા
નોંધનીય બાબત: જો તમે મલ્ટિ-મોડેલ સંશોધનનું સંચાલન કરી રહ્યા છો અથવા ડેટા સેટ દસ્તાવેજીકરણનો મુસદ્દો તૈયાર કરી રહ્યા છો, તો Sider.AI જેવો AI કોપાયલોટ ટાસ્ક માર્ગદર્શિકા જનરેટ કરવામાં અથવા ટીમોને એકસૂત્ર રાખવા માટે એનોટેશન નીતિઓના સ્વતઃ-સારાંશ બનાવવામાં મદદ કરી શકે છે. તમે તેને Sider.ai પર ચકાસી શકો છો. લેબલ સ્ટુડિયો શા માટે?
- લવચીક સ્કીમા: બાઉન્ડિંગ બોક્સ, પોલિગોન્સ, કીપોઇન્ટ્સ, ટેક્સ્ટ સ્પાન, સંબંધો, ઑડિયો પ્રદેશો અને વધુ માટે કસ્ટમ લેબલિંગ કન્ફિગ વ્યાખ્યાયિત કરો.
- વિશાળ ડેટા પ્રકારો: છબીઓ, ટેક્સ્ટ, ઑડિયો, એચટીએમએલ, ટાઇમ સિરીઝ અને વિડિયો.
- ટીમ વર્કફ્લો: ટાસ્ક સોંપો, સંમતિને સક્ષમ કરો, એનોટેશન્સની સમીક્ષા કરો અને ગુણવત્તાનું સંચાલન કરો.
- વિસ્તૃત કરી શકાય તેવું: સ્ટોરેજ બેકેન્ડ, વેબહૂક્સ અને મોડેલ-સહાયિત લેબલિંગ સાથે સંકલિત કરો.
સત્તાવાર વિહંગાવલોકન અને ડાઉનલોડ્સ માટે, લેબલ સ્ટુડિયો હોમપેજ જુઓ.
પગલું 1: લેબલ સ્ટુડિયો ઇન્સ્ટોલ કરો
તમે પાયથન અથવા ડોકરથી સ્થાનિક રીતે લેબલ સ્ટુડિયો ચલાવી શકો છો. એક અભિગમ પસંદ કરો:
વિકલ્પ એ: પાયથન (pip)
# વર્ચ્યુઅલ એન્વાયર્નમેન્ટ બનાવો (ભલામણ કરેલ)
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
# લેબલ સ્ટુડિયો ઇન્સ્ટોલ કરો
pip install label-studio
# લોન્ચ
label-studio start
પછી છપાયેલ સ્થાનિક URLની મુલાકાત લો (ઘણીવાર `).
વિકલ્પ બી: ડોકર
docker run -it -p 8080:8080 heartexlabs/label-studio:latest
જો તમે લેબલ સ્ટુડિયો માટે નવા છો, તો સત્તાવાર "શરૂઆત કરવી" માર્ગદર્શિકા સંક્ષિપ્ત અને નિયમિતપણે અપડેટ કરવામાં આવે છે, અને ક્વિક સ્ટાર્ટ નમૂના ડેટા સેટને લેબલ કરવા માટેના ન્યૂનતમ પગલાં પર ધ્યાન કેન્દ્રિત કરે છે.
પ્રો ટીપ: ટીમો માટે, સ્થિતિસ્થાપકતા માટે સંચાલિત ડેટાબેઝ (PostgreSQL) અને માઉન્ટ થયેલ સ્ટોરેજનો વિચાર કરો.
પગલું 2: પ્રોજેક્ટ બનાવો
- UI માં લૉગ ઇન કરો અને "પ્રોજેક્ટ બનાવો" પર ક્લિક કરો.
- તેને સ્પષ્ટ નામ આપો (ઉદાહરણ તરીકે, "રિટેલ શેલ્ફ ડિટેક્શન v1") અને વર્ણન (ડેટા સેટ સંસ્કરણ અને હેતુ શામેલ કરો).
- "લેબલિંગ સેટઅપ" પસંદ કરો. તમે:
- ટેમ્પલેટથી પ્રારંભ કરો (ઉદાહરણ તરીકે, ઑબ્જેક્ટ ડિટેક્શન, NER, સેન્ટિમેન્ટ, ઑડિયો પ્રદેશો)
- અથવા સાધનો અને વર્ગોને અનુરૂપ બનાવવા માટે કસ્ટમ XML કન્ફિગ લખો
ક્વિક સ્ટાર્ટ વિઝાર્ડ તમને ટેમ્પલેટ પસંદ કરવામાં, વર્ગોનું નામ બદલવામાં અને કન્ફિગ સાચવવામાં મદદ કરે છે.
પગલું 3: તમારો ડેટા આયાત કરો
તમે UI અથવા API દ્વારા ડેટા આયાત કરી શકો છો. સામાન્ય પાથ:
- સ્થાનિક ફાઇલો અપલોડ કરો (ડ્રેગ-એન્ડ-ડ્રોપ)
- દૂરસ્થ ફાઇલો માટે URL પ્રદાન કરો
- સેટિંગ્સ દ્વારા ક્લાઉડ સ્ટોરેજ (S3, GCS, Azure Blob) ને કનેક્ટ કરો
- પ્રોગ્રામમેટિક ઇન્જેશન માટે REST API નો ઉપયોગ કરો
ડેટા રેકોર્ડ્સમાં સામાન્ય રીતે data પેલોડ શામેલ હોય છે જે તમારી એસેટ તરફ નિર્દેશ કરે છે (ઉદાહરણ તરીકે, "image": " અથવા "text": "આ એક વાક્ય છે."`). નિકાસ દરમિયાન મેપિંગને સરળ બનાવવા માટે ફાઇલનામોને સ્થિર રાખો.
ગુણવત્તા ટીપ: તમારા ડેટા સેટને વર્ઝન કરો અને સ્ત્રોત → એનોટેશન નિકાસનું મેનિફેસ્ટ રાખો જેથી તમે તાલીમ રનનું પુનઃઉત્પાદન કરી શકો.
પગલું 4: લેબલિંગ ઇન્ટરફેસને ગોઠવો
લેબલિંગ ઇન્ટરફેસ સાધનો અને વર્ગોને વ્યાખ્યાયિત કરે છે. તમે XML-જેવું કન્ફિગ જોશો જ્યાં તમે RectangleLabels, PolygonLabels, KeyPointLabels, TextArea, Choices, Audio, TimeSeries, વગેરે જેવા ઘટકો પસંદ કરો છો.
ઉદાહરણો:
ઇમેજ ઑબ્જેક્ટ ડિટેક્શન
<View>
<Image name="img" value="$image"/>
<RectangleLabels name="label" toName="img">
<Label value="Product" background="#34D399"/>
<Label value="PriceTag" background="#60A5FA"/>
</RectangleLabels>
</View>
ટેક્સ્ટ નેમ્ડ એન્ટિટી રેકગ્નિશન (NER)
<View>
<Text name="txt" value="$text"/>
<Labels name="label" toName="txt">
<Label value="ORG"/>
<Label value="PERSON"/>
<Label value="LOC"/>
</Labels>
</View>
ઑડિયો રિજન લેબલિંગ
<View>
<Audio name="audio" value="$audio"/>
<Labels name="label" toName="audio">
<Label value="Speech"/>
<Label value="Noise"/>
<Label value="Music"/>
</Labels>
</View>
તમારા ટાસ્કની સૌથી નજીકના ટેમ્પલેટથી પ્રારંભ કરો અને પુનરાવર્તન કરો. ડેટા સેટ મર્જને સરળ બનાવવા માટે સંસ્કરણોમાં વર્ગનામોને સ્થિર રાખો.
પગલું 5: લેબલિંગ શ્રેષ્ઠ પ્રથાઓ
- સ્પષ્ટ માર્ગદર્શિકા વ્યાખ્યાયિત કરો: સાચા વિ. ખોટા એનોટેશન્સ અને એજ કેસોના ઉદાહરણો શામેલ કરો.
- હોટકીનો ઉપયોગ કરો: તમારા સાધનો માટે કીબોર્ડ શૉર્ટકટ્સ શીખીને ઝડપ અને સુસંગતતાને તાલીમ આપો.
- શરૂઆતમાં કેલિબ્રેટ કરો: 2–3 લેબલર્સને સમાન 50–100 આઇટમ્સને એનોટેટ કરવા દો, પરિણામોની તુલના કરો અને માર્ગદર્શિકાને સુધારો.
- પૂર્વ-એનોટેશન્સ ઉમેરો: જો તમારી પાસે બેઝલાઇન મોડેલ છે, તો સુધારાઓને ઝડપી બનાવવા માટે આગાહીઓ આયાત કરો.
- થ્રુપુટ અને ગુણવત્તાને સંતુલિત કરો: જ્યારે દાવ ઊંચો હોય ત્યારે સંમતિ અથવા સમીક્ષા કતારોનો ઉપયોગ કરો.
માર્ગ દ્વારા, ચપળ, સુસંગત એનોટેશન માર્ગદર્શિકા લખવા અથવા ડોમેન જ્ઞાનને લેબલર-ફ્રેન્ડલી ચેકલિસ્ટમાં રૂપાંતરિત કરવા માટે, Sider.AI ઝડપથી સૂચનાઓનો મુસદ્દો તૈયાર કરી શકે છે અને તેને સુધારી શકે છે જ્યારે ટીમ અનુસરી શકે તેવા ચેન્જલોગને જાળવી રાખે છે. પગલું 6: લેબલર્સ, સમીક્ષાઓ અને QA નું સંચાલન કરો
લેબલ સ્ટુડિયો ટીમોને સપોર્ટ કરે છે:
- ચોક્કસ એનોટેટર્સને ટાસ્ક સોંપો
- સમીક્ષા/મંજૂરી વર્કફ્લોને સક્ષમ કરો
- પ્રગતિ અને લેબલર કામગીરીને ટ્રેક કરો
- સંમતિનો ઉપયોગ કરો (દરેક ટાસ્ક દીઠ બહુવિધ એનોટેશન્સ) કરારને માપવા માટે
સ્પષ્ટ સ્વીકૃતિ માપદંડ સેટ કરો (ઉદાહરણ તરીકે, બોક્સ માટે IoU થ્રેશોલ્ડ, સ્પાન બાઉન્ડ્રી નિયમો, ન્યૂનતમ ઑડિયો પ્રદેશ સમયગાળો) અને સમીક્ષા દરમિયાન તેને લાગુ કરો.
સામાન્ય QA તપાસો:
- ગુમ થયેલ લેબલ્સ અથવા ખોટા વર્ગો
- અસંગત બાઉન્ડિંગ બોક્સ ટાઈટનેસ
- NER માં ઓવરલેપિંગ એન્ટિટીઝ
- સમય જતાં વ્યાખ્યાઓમાં ડ્રિફ્ટિંગ (માર્ગદર્શિકા અપડેટ કરો!)
પગલું 7: એનોટેશન્સ નિકાસ કરો
જ્યારે તમારું બેચ તૈયાર હોય, ત્યારે તાલીમ માટે એનોટેશન્સ નિકાસ કરો. લેબલ સ્ટુડિયો આંતરિક રીતે JSON માં એનોટેશન્સ સ્ટોર કરે છે અને તમને બહુવિધ ફોર્મેટમાં નિકાસ કરવા દે છે. વર્તમાન સૂચિ અને પગલાં માટે સત્તાવાર નિકાસ દસ્તાવેજો જુઓ.
લાક્ષણિક ફોર્મેટ્સમાં શામેલ છે:
- રો લેબલ સ્ટુડિયો JSON (સૌથી સંપૂર્ણ અને લોસલેસ)
- COCO (ડિટેક્શન/સેગમેન્ટેશન માટે)
- YOLO (ઑબ્જેક્ટ ડિટેક્શન માટે)
મહત્વપૂર્ણ નોંધો:
- કેટલાક સાધનો (ઉદાહરણ તરીકે, બ્રશ/સેગમેન્ટેશન) ચોક્કસ ફોર્મેટમાં સ્પષ્ટ રીતે મેપ થતા નથી—COCO અને YOLO ફ્રી-ફોર્મ બ્રશને સીધો સપોર્ટ કરી શકતા નથી. સેગમેન્ટેશન નિકાસ ચેતવણીઓ પર સમુદાય માર્ગદર્શન જુઓ.
- લેબલ સ્ટુડિયો JSON ને YOLO માં રૂપાંતરિત કરવા માટે કન્વર્ટર અસ્તિત્વમાં છે, પરંતુ વપરાયેલ લેબલિંગ ટૂલ અને તમે જાળવી રાખેલા મેટાડેટાના આધારે ગાબડાં આવી શકે છે.
વ્યવહારુ નિકાસ પ્રવાહ:
- શરૂઆતમાં એક નાનું પરીક્ષણ નિકાસ ચલાવો; ચકાસો કે તમારી તાલીમ સ્ક્રિપ્ટ તેને પાર કરે છે.
- તમારા નિકાસ પ્રીસેટને લૉક કરો (વર્ગ ક્રમ, રિઝોલ્યુશન ધારણાઓ, વગેરે).
- પુનઃઉત્પાદનક્ષમતા માટે કોઈપણ રૂપાંતરણ પગલાં (સ્ક્રિપ્ટ્સ, સંસ્કરણ હેશ) દસ્તાવેજ કરો.
પગલું 8: તમારી ML પાઇપલાઇન સાથે સંકલિત કરો
- તમારી તાલીમ જોબ્સમાં પૂર્ણ થયેલ એનોટેશન્સ ખેંચવા માટે API નો ઉપયોગ કરો.
- વિભાજનને નિર્ધારિત રાખો: ટાસ્ક સાથે
split: train/val/test જેવા મેટાડેટા જોડો.
- દરેક વસ્તુનું વર્ઝન કરો: ડેટા સેટ મેનિફેસ્ટ, એનોટેશન નિકાસ, મોડેલ કન્ફિગ્સ.
- લૂપ બંધ કરો: ભૂલ વિશ્લેષણ ચલાવો, નિષ્ફળતા ક્લસ્ટર્સ ઓળખો અને રિલેબલિંગ રાઉન્ડનું શેડ્યૂલ કરો.
વર્કફ્લો પેટર્ન:
- બેઝલાઇન મોડેલને તાલીમ આપો
- મોડેલ ભૂલોમાંથી હાર્ડ ઉદાહરણો માઇન કરો
- લક્ષિત સ્લાઇસેસને રિલેબલ કરો
આ સક્રિય-લર્નિંગ લૂપ બ્રુટ-ફોર્સ લેબલિંગ કરતાં ઝડપથી ગુણવત્તાને વધારે છે.
સામાન્ય સમસ્યાઓનું નિવારણ
- "મારું નિકાસ YOLO/COCO માં લોડ થશે નહીં."
- ટૂલ સુસંગતતા તપાસો (ઉદાહરણ તરીકે, બ્રશ વિ. પોલિગોન્સ). શક્ય હોય ત્યારે સુસંગત આકારોમાં રૂપાંતરિત કરો અને નિકાસ દસ્તાવેજો અને સમુદાય નોંધોની સલાહ લો.
- "લેબલ્સ મારા તાલીમ વર્ગ ક્રમ સાથે મેળ ખાતા નથી."
- શરૂઆતમાં ઓર્ડરિંગને ઠીક કરો. લેબલ નામોને પ્રમાણિત કરો અને તમારી પાઇપલાઇનમાં મેપિંગ જાળવો.
- "એનોટેટર્સ ઘણા અસંમત છે."
- કેલિબ્રેશન રાઉન્ડ ઉમેરો, નિયમો સ્પષ્ટ કરો અને સંમતિ અથવા આર્બિટ્રેશન પગલાંનો વિચાર કરો.
- પ્રી-એનોટેશન્સ, હોટકી અને ટૂલ-વિશિષ્ટ સ્પીડઅપ્સનો ઉપયોગ કરો (ઉદાહરણ તરીકે, સ્વતઃ-સેગમેન્ટ, સ્નેપિંગ). ઓછા-મૂલ્યના ટાસ્કને કાપો.
30-મિનિટની ક્વિક સ્ટાર્ટ ચેકલિસ્ટ
- લેબલ સ્ટુડિયો ઇન્સ્ટોલ કરો (pip અથવા Docker)
- સૌથી સુસંગત ટેમ્પલેટ સાથે પ્રોજેક્ટ બનાવો
- 50–100 નમૂના આઇટમ્સ આયાત કરો
- એજ કેસો અને ઉદાહરણો સાથે માર્ગદર્શિકાનો મુસદ્દો તૈયાર કરો
- કેલિબ્રેશન બેચ માટે બે લેબલર્સ સોંપો
- અસંમતિઓની સમીક્ષા કરો અને નિયમો અપડેટ કરો
- તમારા તાલીમ કોડમાં નિકાસનું પરીક્ષણ કરો
સત્તાવાર, સંક્ષિપ્ત વોકથ્રુ માટે, "શરૂઆત કરવી" અને "ક્વિક સ્ટાર્ટ" માર્ગદર્શિકાની ફરી મુલાકાત લો.
પાવર વપરાશકર્તાઓ માટે અદ્યતન ટીપ્સ
- કસ્ટમ વિજેટ્સ: ડોમેન-વિશિષ્ટ સાધનો માટે ઇન્ટરફેસને વિસ્તૃત કરો.
- વેબહૂક્સ: જ્યારે ટાસ્ક પૂર્ણ થાય ત્યારે જોબ્સ ટ્રિગર કરો (ઉદાહરણ તરીકે, રૂપાંતરણ અથવા મોડેલ તાલીમ શરૂ કરો).
- મોડેલ-સહાયિત લેબલિંગ: મેન્યુઅલ કામ ઘટાડવા માટે તમારા ઇન-હાઉસ અથવા ક્લાઉડ મોડેલ્સના પૂર્વ-લેબલ્સનો ઉપયોગ કરો.
- ડેટા પ્રાઇવસી: ઓન-પ્રેમ ચલાવો, નિકાસને પ્રતિબંધિત કરો અને નિયંત્રિત ડેટા સેટ માટે એક્સેસ લોગ કરો.
- એનાલિટિક્સ: સ્ક્યુને શોધવા માટે પ્રતિ-વર્ગ વિતરણ અને પ્રતિ-લેબલર મેટ્રિક્સને ટ્રેક કરો.
નિષ્કર્ષ: પ્રોટોટાઇપથી પ્રોડક્શન-રેડી ડેટાસેટ્સ
લેબલ સ્ટુડિયો તમને ખ્યાલથી સુસંગત તાલીમ ડેટા પર ઝડપથી જવા માટે મદદ કરે છે: ટેમ્પલેટ પસંદ કરો, તમારી સ્કીમા વ્યાખ્યાયિત કરો, તમારી ટીમને કેલિબ્રેટ કરો અને તમારા મોડેલ્સને જરૂરી ફોર્મેટમાં નિકાસ કરો. તમારી માર્ગદર્શિકાને જીવંત રાખો, વહેલી તકે નિકાસને માન્ય કરો અને સક્રિય શિક્ષણ સાથે લૂપ બંધ કરો. તે આદતોથી, તમે ફોર્મેટ સાથે કુસ્તી કરવામાં ઓછો સમય અને કામ કરતા મોડેલ્સને શિપિંગ કરવામાં વધુ સમય પસાર કરશો.
ઊંડા ડાઇવ્સ અને ટેમ્પલેટ્સ માટે, જુઓ:
- ક્વિક સ્ટાર્ટ માર્ગદર્શિકા
- નિકાસ ફોર્મેટ્સ અને ચેતવણીઓ
FAQ
Q1:લેબલ સ્ટુડિયોનો ઉપયોગ શેના માટે થાય છે?
લેબલ સ્ટુડિયો છબીઓ, ટેક્સ્ટ, ઑડિયો, ટાઇમ સિરીઝ અને વિડિયોને એનોટેટ કરવા માટેનું એક ઓપન-સોર્સ પ્લેટફોર્મ છે. તે તમને કસ્ટમ લેબલિંગ ઇન્ટરફેસ ડિઝાઇન કરવા અને તમારી ML તાલીમ પાઇપલાઇન્સ ઉપયોગ કરી શકે તેવા ફોર્મેટમાં એનોટેશન્સ નિકાસ કરવા દે છે.
Q2:હું લેબલ સ્ટુડિયોમાં નવો પ્રોજેક્ટ કેવી રીતે શરૂ કરી શકું?
UI માંથી પ્રોજેક્ટ બનાવો, તમારા ટાસ્ક સાથે મેળ ખાતું ટેમ્પલેટ પસંદ કરો અને લેબલિંગ કન્ફિગને કસ્ટમાઇઝ કરો. પછી ડેટા (સ્થાનિક ફાઇલો, URL અથવા ક્લાઉડ સ્ટોરેજ) આયાત કરો અને એનોટેટર્સને ટાસ્ક સોંપો.
Q3:લેબલ સ્ટુડિયો કયા નિકાસ ફોર્મેટને સપોર્ટ કરે છે?
તમે રો JSON તેમજ COCO, YOLO, પાસ્કલ VOC અને CSV/TSV જેવા ફોર્મેટ નિકાસ કરી શકો છો. કેટલાક સાધનો (જેમ કે બ્રશ માસ્ક) બધા ફોર્મેટમાં મેપ ન થઈ શકે; વિગતો માટે નિકાસ દસ્તાવેજો તપાસો.
Q4:હું લેબલ સ્ટુડિયોમાં લેબલિંગને કેવી રીતે ઝડપી બનાવી શકું?
બેઝલાઇન મોડેલમાંથી પ્રી-એનોટેશન્સનો ઉપયોગ કરો, હોટકી શીખો અને તમારી લેબલ સ્કીમાને સરળ બનાવો. ફરીથી કામ ઘટાડવા માટે કેલિબ્રેશન રાઉન્ડ ચલાવો અને વહેલી તકે ભૂલોને પકડવા માટે સમીક્ષા માપદંડ સેટ કરો.
Q5:શું હું લેબલ સ્ટુડિયોને ટીમ સાથે ચલાવી શકું?
હા. એનોટેટર્સને ટાસ્ક સોંપો, સમીક્ષાઓને સક્ષમ કરો અને કરારને માપવા માટે સંમતિનો ઉપયોગ કરો. ડેટા અને એનોટેશન્સને વિશ્વસનીય બેકેન્ડમાં સ્ટોર કરો અને વેબહૂક અથવા API સાથે નિકાસને સ્વચાલિત કરો.
