--- title: DanbooruSearch emoji: 👁 colorFrom: red colorTo: indigo sdk: docker app_port: 7860 pinned: false license: mit short_description: 基于语义匹配的 Danbooru 标签搜索引擎，支持多维匹配、智能分词与共现关联推荐。 tags: - text-to-image - prompt-engineering - stable-diffusion - danbooru - nlp thumbnail: >- https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022117025.png --- # Danbooru Tags Searcher ![](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022117025.png) 本项目提供一种基于语义匹配的 Danbooru 标签查找方案。用户可以通过输入日常语言或模糊描述，查找并匹配 Danbooru 数据集中对应的标准标签，适用于辅助构建 Stable Diffusion、NovelAI 等 AI 绘画工具的提示词（Prompt）。 目前支持使用汉语和英语进行查找 **立即使用：** https://huggingface.co/spaces/SAkizuki/DanbooruSearch **ComfyUI 插件版本：** [ComfyUI-DanbooruSearcher](https://github.com/SuzumiyaAkizuki/ComfyUI-DanbooruSearcher) 本项目的数据库由Danbooru API抓取而成，使用LLM进行语义扩充和中文翻译。角色名、作品名使用二次元垂类数据库Bangumi API进行精确查询，尽可能地避免了在角色名、作品名上的幻觉问题。 **数据库生成代码：** https://github.com/SuzumiyaAkizuki/danbooru-tag-pipeline --- ## 核心特性 本版本在基础语义检索之上，引入了完整的标签工作流辅助功能： * **多维度语义匹配：** 底层支持 4 个维度的向量空间检索（英文、中文扩展词、维基释义、中文核心词），大幅提升模糊描述的命中率。 * **智能分词与显式分隔：** 支持一键开启/关闭自动分词。开启后自动提取长句中概念分别检索；同时支持用空格、换行、中文逗号（，）和顿号（、）手动分隔概念，系统会尊重你的分隔意图，将每个片段作为整体匹配（超过 7 字的片段仍然自动分词）。 * **标签互相关推荐：** 引擎内置标签共现数据。当你选中某些标签后，系统会自动推荐在 Danbooru 图库中经常与它们一同出现的相关标签，辅助补全画面细节。 * **精细化查阅与过滤：** 支持按标签类别（General通用 / Character角色 / Copyright作品）进行硬过滤。 * 提供 **NSFW 保护模式**（开启后自动模糊敏感词汇）。 * 表格内置 Danbooru 维基释义悬浮提示，并提供前往原站的快捷链接。 ## 功能概览 本工具提供以下五项核心功能： - [精确查词](#1-精确查词)（容错拼写错误） - [概念模糊发散](#2-概念模糊发散) - [输入描述查词](#3-输入描述查词) - [完整画面查找](#4-完整画面查找) - [关联推荐](#5-关联推荐共现匹配) 前四项基于**语义向量匹配**，后一项基于**标签共现数据**。 --- ## 参数说明 在进入功能介绍之前，先了解几个关键参数，它们会影响所有搜索模式的结果质量。 **Top K（语义相关）** 针对单个分词，检索语义最相关的候选标签数量。该值作用于每个向量检索层，最终候选池大小约为 Top K × 层数，再截断至结果上限。值越大，召回越广，但热度高的分词会占据更多名额，可能挤压低频但精确的分词。精确查词场景建议调低（20），发散探索场景可以调高（80~160）。 **结果上限** 最终展示的标签总条数。建议设为 70~80 以适配主流 SDXL 模型的 prompt 长度。精确查词时可以调低到 10，避免干扰。 **热度权重（0~1）** 控制标签在 Danbooru 站内发帖量对最终排序的影响。数值越高，越倾向于推荐常用高频标签。默认值 0.15 在大多数场景下表现良好。 **智能分词** 开启时，程序会自动拆分输入的长句，提取其中的关键概念分别检索，再合并结果。适合完整画面描述；若只想检索一个完整短语的语义，建议关闭。 **新版支持显式分隔符：** 用空格、换行、或中文逗号/顿号（，、）手动分隔概念时，系统会将每个分隔片段视为独立的原子概念，不再做进一步拆分。这在你明确知道自己想要哪些概念时比自动分词更精准。 | 输入示例 | 分词结果 | 说明 | |---|---|---| | `运动社团 校队 比赛` | `运动社团` `校队` `比赛` | 空格分隔，每个片段原样保留 | | `运动社团、校队、比赛` | `运动社团` `校队` `比赛` | 逗号/顿号同理 | | `一个穿着白色水手服的少女` | `穿着` `白色` `水手服` `少女` | 无显式分隔，自动分词（停用词已过滤） | > 当分隔后的某个片段超过 **7 个字**时，系统会退回到自动分词——因为超过这个长度的片段通常是短句而非单一概念。这一阈值基于对所有标签核心中文名长度的统计分析得出。 --- ## 1. 精确查词 **适用场景：** 你知道某个标签的大概写法，但不确定拼写是否准确，或者只记得部分写法。 本工具通过语义相似度匹配而非字符串精确匹配，因此具备一定的拼写容错能力。 **建议参数：** Top K: 20 | 结果上限: 10 | 热度权重: 0.15 | **关闭智能分词** > 关闭智能分词，确保整个输入作为一个整体进行语义匹配，不会被拆散。 ### 示例 | 你的输入 | 实际标准标签 | 说明 | |---|---|---| | `selafuku` | `serafuku` | 经典拼写错误，仍可命中 | | `school unifor` | `school_uniform` | 漏字母，仍可命中 | | `twintail` | `twintails` | 单复数混淆，仍可命中 | | `zettai ryouiki` | `zettai_ryouiki` | 罗马音输入，可命中 | | `thighhigh` | `thighhighs` | 词形变体，仍可命中 | --- ## 2. 概念模糊发散 **适用场景：** 你脑中有一个模糊的概念或风格意象，但不知道在 Danbooru 里对应哪些标签，希望系统帮你"发散"出相关的候选标签。 **建议参数：** Top K: 80~160 | 结果上限: 80 | 热度权重: 0.15 | **开启智能分词** ### 示例 **示例 1：「兔耳朵」** 输入一个宽泛概念，系统会返回各类耳型相关标签，包括真兔耳、头饰耳、兽娘耳等变体。 ![image-20260402202537091](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022025661.png) --- **示例 2：「中国风古装」** 返回汉服、旗袍、各朝代服制等细分标签，帮助你快速了解这一风格下的标签体系。 ![image-20260402202652780](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022026925.png) --- **示例 3：「机械义肢」** 返回包含义肢、机械臂、赛博朋克肢体等标签，适合进一步结合关联推荐做细化筛选。 ![image-20260402202730735](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022027911.png) --- **示例 4：「战斗姿势」** 返回各类战斗动作、持武器动作等标签。 ![image-20260402202757757](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022028668.png) --- ## 3. 输入描述查词 **适用场景：** 你能描述某个具体的事物、角色、场景，但不知道 Danbooru 的对应标签。可以使用中文或英文自然语言描述，也可以通过 IP 名称、角色外号来查找角色标签。 **建议参数：** Top K: 20 | 结果上限: 20 | 热度权重: 0.15 | **关闭智能分词** > 关闭智能分词，使系统对你的整段描述做整体语义匹配，而不是拆词。 ### 示例 **示例 1：用描述定位角色** | 你的输入 | 期望命中的角色标签 | 说明 | |---|---|---| | `原神里面须弥主线的NPC贵族女孩` | `dunyarzad_(genshin_impact)`（迪纳泽黛） | 通过剧情身份描述定位角色 | | `命运石之门的助手` | `makise_kurisu`（牧瀬红莉栖） | 通过人物关系描述定位角色 | | `某科学的超电磁炮中会传送的那个人` | `shirai_kuroko`（白井黑子） | 通过能力和动作描述定位角色 | | `EVA 里驾驶零号机的蓝发角色` | `ayanami_rei`（凌波丽） | 通过机体和外貌描述定位角色 | | `明日方舟里游戏商店的老板` | `closure_(arknights)`（可露希尔） | 通过职位描述定位角色 | --- **示例 2：用描述定位服饰/物品** | 你的输入 | 期望命中的标签 | 说明 | |---|---|---| | `紧身衣勒入皮肤产生的凹陷` | `skindentation` | 非常具体的视觉细节描述 | | `半透明薄纱覆盖胸前` | `see-through_bra` | 材质与遮盖关系描述 | | `两侧有开缝、有拉绳的运动短裤` | `dolphin_shorts` | 服饰细节描述 | --- ## 4. 完整画面查找 **适用场景：** 你脑中已经有了一幅完整的画面，希望一次性把整段描述转换成尽可能多的 Danbooru 标签，用于 AI 绘画的完整 Prompt。 **建议参数：** Top K: 5 | 结果上限: 80 | 热度权重: 0.15 | **开启智能分词** > 开启智能分词：系统会自动拆分你的长句，提取其中的关键概念分别检索，再合并去重，覆盖尽可能多的画面元素。 ### 示例 **示例 1：雨中奔跑的少女** ``` 一个穿着白色水手服、蓝色短裙的少女，在下着大雨的城市街道奔跑， 她的表情是不甘、愤怒、流泪，她的衣服湿透。 ``` > short_dress, city, streaming_tears, street, white_serafuku, furious, fume, rain, tears, running, skirt, crying, tearing_up, urban **示例 2：赛博朋克城市夜景** ``` 赛博朋克风格的城市，霓虹灯招牌，雨后潮湿的街道倒映灯光， 远处高楼林立，一个穿着皮夹克的女孩站在路灯下抽烟。 ``` > street, reflection, lights, lamp, leather_jacket, fur_jacket, 1girl, standing, lamppost, smoking, holding_cigarette, cyberpunk, after_rain, city, urban, neon_lights, wet_floor, utility_pole --- **示例 3：奇幻战场** ``` 一个银发的精灵女战士，身穿轻甲，手持弓箭，站在废墟上， 背景是正在燃烧的城市和布满乌云的天空，衣服上有血迹。 ``` > burning, city, dark_cloud, sky, clothes, blood_stain, blood_on_clothes, silver_hairband, standing, white_hair, cyberpunk, after_rain, holding, bow_(weapon), urban, ruins, elf, rubble, holding_bow_(weapon), arrow_(projectile), neon_lights, burning_building, wet_floor, utility_pole --- **技巧：关于描述的写法** - 分段描述不同要素（人物 / 背景 / 表情 / 服装）比混在一起效果更好 - 细节越具体，匹配越准确——「蓝色长发」优于「特别的发色」 - 遇到感觉应该有但没命中的标签，可以把该部分单独截取，切换到「输入描述查词」模式单独查 --- ## 5. 关联推荐（共现匹配） 关联推荐与前四项功能机制不同，它不依赖语义相似度，而是基于 **Danbooru 图库中标签的共现统计**：如果两个标签经常出现在同一张图上，就认为它们相关。 **使用方式：** 在左侧结果表格中勾选你感兴趣的标签，右侧关联推荐栏会自动刷新，显示在 Danbooru 图库中与你选中标签最常共现的其他标签。也可以点击「根据已选刷新」手动触发。 关联推荐的得分是基于 NPMI（互信息归一化）计算的，能有效过滤掉那些只是因为自身热度高而频繁出现的标签。 ### 适用场景 **场景 1：查看某种服饰/道具的常见搭配** 勾选 `fingerless_gloves`（露指手套），关联推荐会列出穿露指手套的角色们。 ![image-20260402204128858](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022041742.png) --- **场景 2：查看某个角色的典型特征** 勾选角色标签（如 `amiya_(arknights)`），关联推荐会列出该角色最常出现的服装、配件、表情等标签，相当于自动生成角色的"标签画像"。 ![image-20260402204239836](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022042492.png) --- **场景 3：探索某类主题的标签体系** 勾选 `fighter_jet`（战斗机），关联推荐会列出各类机型、飞行动作、背景等相关标签，帮助你快速摸清一个主题下的标签生态。 ![image-20260402204306860](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022043665.png) --- **场景 4：组合多个标签获得交集推荐** 同时勾选多个标签时，关联推荐会综合计算多标签的共现关系，推荐与这组标签**整体**最匹配的标签，而不只是单个标签的邻居。 比如同时勾选 `maid` + `twintails`，推荐结果会更倾向于「女仆且双马尾」场景下经常出现的标签，而不是单纯「女仆」或「双马尾」各自的高频搭配。 ![image-20260402204415282](https://akizukipic.oss-cn-beijing.aliyuncs.com/img/202604022044935.png) --- ## 使用技巧 **技巧 1：先宽后窄** 先用完整画面查找拿到大量候选标签，再用分词筛选 chip 或手动去掉不相关的，然后勾选剩余标签触发关联推荐，补充遗漏细节。 **技巧 2：拿不准标签含义时悬浮查看** 鼠标悬停在任意标签行或关联推荐行上，会弹出该标签的 Danbooru 维基释义，方便快速判断是否符合需求，无需跳转站外。 **技巧 3：点击标签名直接跳转** 标签名是可点击链接，点击后在新标签页打开 Danbooru 的对应维基页，可以查看详细说明、相关图例和近义标签。 **技巧 4：NSFW 保护模式** 默认关闭 NSFW 显示。打开后标签的完整名称和含义会显示出来，但平台限制下（魔搭创空间）此选项不可用。 **技巧 5：复制全部 vs 复制选中** - **复制全部标签**：把当前搜索结果中所有标签复制为逗号分隔的字符串，适合快速生成完整 Prompt - **复制选中标签**：只复制你在表格中手动勾选的标签，适合精选后使用 **技巧 6：用显式分隔符精细控制分词** 当你知道自己想要哪些独立概念时，用空格或中文逗号手动分隔它们： - 「`运动社团 校队 比赛 运动会 体育祭 田径部`」→ 每个概念原样保留 - 「`反乌托邦、赛博朋克、蒸汽朋克、废土`」→ 逗号分隔同理 - 分隔后的短片段（≤7 字）作为整体匹配，不会被错误拆开 - 如果需要混合长短查询，可以一部分用空格分隔、另一部分写成自然语句 --- ## API 接口 本工具同时提供 REST API，可集成到你自己的工作流中。 启动后访问 `/api/docs` 查看完整的交互式 API 文档。 **搜索接口** ``` POST /api/search { "query": "白色水手服的女孩", "top_k": 20, "limit": 20, "show_nsfw": false } ``` **关联推荐接口** ``` POST /api/related { "tags": ["white_serafuku", "sailor_collar"], "limit": 20, "show_nsfw": false } ``` 详见：[API 文档](https://sakizuki-danboorusearch.hf.space/api/docs) --- ## MCP 接口 本工具提供 MCP（Model Context Protocol）服务，支持将搜索引擎直接接入 Claude Desktop、Cursor、Cherry Studio 等支持 MCP 协议的大模型客户端，让 AI 能够在对话中直接调用标签搜索能力。 **MCP 服务地址：** ``` https://sakizuki-danboorusearch.hf.space/mcp/mcp ``` ### 接入方法 **方法一：Claude Desktop** Claude Desktop 不支持直接连接 Streamable HTTP 端点，需要通过 `mcp-remote` 作为本地桥接。 首先全局安装 `mcp-remote`（需要本机已安装 Node.js）： ```bash npm install -g mcp-remote ``` 然后在配置文件中添加以下内容： - Windows：`%APPDATA%\Claude\claude_desktop_config.json` - macOS：`~/Library/Application Support/Claude/claude_desktop_config.json` ```json { "mcpServers": { "danbooru-searcher": { "command": "mcp-remote", "args": [ "https://sakizuki-danboorusearch.hf.space/mcp/mcp" ] } } } ``` 保存后重启 Claude Desktop，工具列表中出现 `search_tags` 和 `get_related_tags` 即为成功。 > 注意：不要使用 `"url"` 字段直接填写地址，Claude Desktop 不支持该格式，会提示配置无效。也不推荐通过 `npx mcp-remote` 调用，首次执行时 `npx` 需要临时下载包，npm 缓存损坏时会导致启动失败。全局安装可规避此问题。 **方法二：图形界面（Cherry Studio 等）** 在 MCP 服务器管理页面点击「添加」，填写以下信息： - 名称：`danbooru-searcher`（可自定义） - 类型：`Streamable HTTP` - URL：`https://sakizuki-danboorusearch.hf.space/mcp/mcp` > 注意：类型务必选择 **Streamable HTTP**，不要选 SSE，否则工具列表无法正常加载。 添加完成后重启客户端，或在 MCP 管理界面手动刷新连接。 ### 可用工具 接入后 AI 可调用以下两个工具： **`search_tags`** — 自然语言搜索标签 接受中文或英文描述，返回匹配的 Danbooru 标签列表和可直接用于 AI 绘画的 prompt 字符串。支持参数： | 参数 | 默认值 | 说明 | |---|---|---| | `query` | — | 自然语言描述（必填，推荐中文）。支持空格/逗号/顿号显式分隔概念 | | `use_segmentation` | `true` | 智能分词开关，完整画面描述时开启，精确查词时关闭 | | `top_k` | `5` | 每个分词的语义召回数量，发散探索时调高至 80~160 | | `limit` | `80` | 返回标签总数上限 | | `popularity_weight` | `0.15` | 热度权重，控制高频标签的排名影响 | | `show_nsfw` | `true` | 是否包含 NSFW 标签 | | `category` | `"all"` | 标签类别筛选：`"all"` 全部、`"general"` 通用、`"character"` 角色、`"copyright"` 作品 | **`get_related_tags`** — 共现关联推荐 给定一组已选标签，返回在 Danbooru 图库中与之最常共现的相关标签，基于 NPMI 评分，可有效过滤掉仅因自身热度高而频繁出现的标签。 ### 调用示例 接入后，你可以直接用自然语言告诉 AI 你的需求，AI 会自动选择合适的参数调用工具： > 帮我把「一个穿白色水手服的少女在大雨中奔跑，表情愤怒、流泪，衣服湿透」转换成 Danbooru 标签 prompt > 我想找「机械义肢」相关的标签，帮我发散一下 > 帮我查一下「命运石之门的助手」对应的角色标签是什么 > 我已经选了 `white_serafuku` 和 `rain` 这两个标签，帮我推荐一些常见的搭配标签 > 查一下「运动社团 校队 比赛 运动会 体育祭 田径部 网球部 篮球部」这些概念对应的标签 > 找「反乌托邦、赛博朋克、蒸汽朋克」的 General 类标签，只查通用特征不查作品名 ### 查询写作技巧（写给 LLM） 为了让搜索更精准，在构造 `query` 时请注意以下几点： 1. **概念列表用显式分隔符：** 需要批量查询多个独立概念时，用空格、中文逗号（，）或顿号（、）分隔。每个 ≤7 字的片段会作为完整概念匹配，不会被错误拆开。例如 `运动社团 校队 比赛` 而非 `运动社团校队比赛`。 2. **画面描述写自然语句：** 完整场景描述不需要显式分隔，系统会自动分词。例如 `一个穿着白色水手服蓝色短裙的少女在雨中奔跑`。 3. **查角色/作品时关闭分词：** 精确查找某个角色名或作品名时，设 `use_segmentation=false` 和 `category="character"`（或 `"copyright"`），避免名字中的词汇被单独匹配到无关标签。 4. **长短语会自动保持完整语义：** 即使用显式分隔符切出的片段超过 7 字，系统也会对其自动分词并同时保留原始片段作为额外查询（从句级语义），不会丢失整体语境。 ### 注意事项 HF Space 在无流量时会进入休眠状态，首次请求需要等待冷启动（约 30~60 秒）。若 AI 调用超时，稍等片刻后重试即可，或先访问 [Space 页面](https://huggingface.co/spaces/SAkizuki/DanbooruSearch) 将其唤醒。 --- ## 数据库说明 - 数据来源：Danbooru API 抓取 - 中文翻译与语义扩充：由 LLM 辅助完成 - 角色名、作品名：通过二次元垂类数据库 [Bangumi](https://bgm.tv) API 精确查询，尽量避免幻觉 - 仅收录 Danbooru 频数 **≥ 100** 的标签，保证标签实际可用 - 仅覆盖 General（通用特征）、Character（角色）、Copyright（作品）三类标签 **数据库生成代码：** https://github.com/SuzumiyaAkizuki/danbooru-tag-pipeline --- ## 注意事项 - 本工具为 AI 辅助工具，检索结果未必 100% 准确 - 查找结果可能包含 NSFW 内容（默认隐藏） - 仅支持中文 / 英文双语查找 - 如果检索结果不理想，欢迎点击「没搜到？」按钮提交反馈，帮助持续优化引擎 ## 搜索统计 ![](https://dsocounter.oss-cn-hongkong.aliyuncs.com/danbooru_counter/search_stats.png) ## 友情链接 - [Linux Do社区](https://linux.do/)