Teachable Machine
Teachable Machine是谷歌推出的无代码机器学习模型创建网页工具，核心定位是降低机器学习应用门槛，让没有算法基础的用户也能完成简单AI模型的搭建
Teachable Machine是谷歌推出的无代码机器学习模型创建网页工具，核心定位是降低机器学习应用门槛，让没有算法基础的用户也能完成简单AI模型的搭建。核心功能包括图像识别模型训练、音频识别模型训练、姿态识别模型训练三类，用户无需编写代码，仅需上传对应类型的样本数据即可完成自动训练。目标用户覆盖学生、教育工作者、创意从业者、小型项目开发者等群体，可用于课堂AI教学演示、互动艺术装置开发、小型智能识别工具制作等多个场景。
- 适用对象
- 中小学教师（课堂AI科普教学）
- 主要功能
- 图像模型训练、音频模型训练
- 已收录
- 2026.06.14（136 天）
阅读目录
编辑评测与站内热度
全站热度排名
#1070
分类内排名
#1 / 76
累计站内点击
—
近 7 日点击
—
排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。
Teachable Machine是什么，怎么使用？
约 4 分钟Teachable Machine是谷歌推出的无代码机器学习模型创建网页工具，核心定位是降低机器学习应用门槛，让没有算法基础的用户也能完成简单AI模型的搭建。核心功能包括图像识别模型训练、音频识别模型训练、姿态识别模型训练三类，用户无需编写代码，仅需上传对应类型的样本数据即可完成自动训练。目标用户覆盖学生、教育工作者、创意从业者、小型项目开发者等群体，可用于课堂AI教学演示、互动艺术装置开发、小型智能识别工具制作等多个场景。
主要功能
- 图像模型训练：用户可以直接调用电脑摄像头实时采集不同类别的图像样本，也可以上传本地已有的图像文件作为训练数据，每个类别至少采集数十张样本即可启动训练。训练过程由平台自动完成，无需手动调整参数，训练完成后可直接实时测试识别效果，适合制作物品识别、表情识别等简单图像识别模型。
- 音频模型训练：用户可以通过麦克风采集不同类别的声音样本，比如特定的语音指令、环境声响、乐器声音等，每类样本采集时长建议不少于1分钟。平台会自动对音频数据进行特征提取和模型训练，训练完成后可实时测试声音识别准确率，适合制作语音指令触发、特定声响监测等场景的模型。
- 姿态模型训练：用户通过摄像头采集不同的人体姿态样本，比如抬手、下蹲、比特定手势等动作，每类姿态采集数十个不同角度的样本即可。平台会自动识别骨骼关键点进行训练，训练完成后可实时识别用户的动作姿态，适合制作体感互动小游戏、动作触发类互动装置。
- 模型实时测试：模型训练完成后，平台会自动生成测试界面，用户可以直接调用摄像头或麦克风输入新的数据，实时查看模型的识别结果和置信度数值。如果识别准确率不符合预期，可以随时补充对应类别的样本数据重新训练，逐步提升模型的识别效果，无需额外操作步骤。
- 多格式模型导出：训练完成的模型支持导出为TensorFlow.js、TensorFlow Lite、TensorFlow SavedModel等多种格式，也可以直接生成可分享的网页链接。导出的模型可以嵌入到个人网站、小程序、移动端应用或者创意硬件项目中使用，无需额外的模型转换操作。
- 项目云端存储：登录谷歌账号后，用户创建的所有训练项目和样本数据都会自动存储在云端，下次访问时可以直接打开继续编辑、补充样本或者重新训练，无需担心本地数据丢失。也可以随时删除不需要的项目，释放云端存储空间。
怎么使用
- 第一步，打开Teachable Machine官网，首页会显示图像项目、音频项目、姿态项目三个创建选项，根据自己的需求选择对应类型的项目进入编辑界面。第二步，在项目编辑界面添加分类标签，每个标签对应一个识别类别，比如“猫”“狗”“其他”，然后通过设备摄像头采集样本或者上传本地文件作为对应类别的训练数据。第三步，所有类别的样本收集完成后，点击页面上的“训练模型”按钮，等待平台自动完成训练，训练过程中不需要进行任何操作，保持页面不关闭即可。第四步，训练完成后，在页面的测试区域输入新的图像、音频或者做出对应姿态，查看模型的识别结果，如果准确率不足可以补充对应类别的样本重新训练。第五步，模型效果符合预期后，点击“导出模型”按钮，选择需要的导出格式，下载模型文件或者生成分享链接，就可以将模型应用到自己的项目中。
适合什么人群
- 中小学教师（课堂AI科普教学）
- 高校学生（课程作业原型开发）
- 创意设计师（互动艺术装置制作）
- 独立开发者（小型项目AI功能搭建）
- 创客爱好者（体感硬件项目开发）
- 非技术从业者（简单识别工具制作）
总结
这款由谷歌推出的网页工具，在无代码机器学习工具领域处于前列，最大的特点是完全不需要用户具备机器学习相关的专业知识，也不用编写任何代码，仅通过简单的样本上传和点击操作就能完成三类常见识别模型的训练。对于想要尝试AI应用但没有算法基础的用户来说，它的学习成本极低，整个训练过程可视化，用户可以直观看到样本数量和模型准确率之间的关联，非常适合作为AI入门学习的实践工具。同时它支持多格式的模型导出，能够满足从简单演示到小型项目落地的不同需求，很多教育场景中都会用它来做AI原理的演示，让学习者可以亲手参与模型的训练过程，更直观地理解机器学习的工作逻辑。不过它的功能定位是入门级的模型训练，不适合复杂的工业级模型开发，更适合轻量化的识别场景使用。
价格与免费额度
Teachable Machine所有功能完全免费开放使用，没有付费版本，也没有功能使用限制。用户可以免费创建不限数量的训练项目，导出不同格式的模型也不需要支付任何费用，适合所有有轻量化机器学习模型训练需求的用户使用。不过免费使用的前提是需要遵守谷歌的相关服务条款，训练的样本数据和模型不能用于违反规定的场景。
优点与不足
优点
- 完全无代码操作，所有训练流程都通过可视化界面完成，无需掌握编程和算法知识
- 支持图像、音频、姿态三类常见识别场景的模型训练，覆盖多数轻量化AI应用需求
- 训练过程完全自动化，用户不需要调整参数，仅需上传样本即可完成训练
- 支持多种常用模型格式导出，可直接嵌入网页、移动端和硬件项目使用
不足
- 仅支持三类固定的识别任务，无法自定义其他类型的机器学习模型训练
- 训练依赖云端算力，样本量较大时训练等待时间较长，且过程中不能关闭页面
- 需要登录谷歌账号才能保存项目到云端，未登录状态下关闭页面数据会丢失
能帮你做的 7 件事
- 01图像模型训练
- 02音频模型训练
- 03姿态模型训练
- 04模型实时测试
- 05无代码AI场景的常用方案
- 06机器学习训练场景的常用方案
- 07中小学教师（课堂AI科普教学）的日常效率工具
更新历史
- Teachable Machine 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
使用Teachable Machine训练模型需要具备编程基础吗？
不需要具备任何编程或者机器学习相关的专业基础，所有操作都通过可视化的网页界面完成，用户只需要按照引导上传对应类别的样本数据，点击训练按钮即可自动完成模型训练，整个过程不需要编写任何代码，也不需要手动调整算法参数。即使是没有接触过AI相关内容的新手，也可以按照页面指引在十几分钟内完成一个简单模型的训练。
训练一个模型大概需要多少样本数据？
不同类型的模型需要的样本量有一定差异，一般来说图像类和姿态类的模型，每个类别建议至少采集20-50个样本，样本需要覆盖不同的角度、光线和场景，才能保证模型的识别准确率。音频类的模型每个类别建议采集至少30秒到1分钟的样本，尽量包含不同的语速、音量和背景环境。如果训练后识别准确率不足，可以随时补充更多的样本重新训练，样本量越丰富，模型的识别效果通常越好。
导出的模型可以用于商业场景吗？
根据谷歌的服务条款，通过Teachable Machine训练导出的模型可以用于商业场景，但需要遵守相关的使用规范，不能用于违法违规或者侵犯他人权益的用途。同时需要注意，平台本身不提供模型的商用保障，使用模型产生的相关责任需要由用户自行承担。如果是用于核心商业场景，建议在导出模型后自行进行充分的测试和验证，确保模型的稳定性和准确率符合业务需求。
训练过程中可以关闭网页吗？
训练过程中不可以关闭网页，因为模型的训练过程是在浏览器端通过用户设备的算力和云端算力共同完成的，关闭网页会中断训练进程，已有的训练进度也会丢失。如果需要训练样本量较大的模型，建议保持网页处于打开状态，不要切换到其他可能占用大量设备算力的程序，避免训练速度变慢或者出现异常。如果已经登录谷歌账号，训练完成的项目会自动保存到云端，下次打开可以直接访问。
可以导入外部已经标注好的数据集进行训练吗？
支持导入外部已标注的数据集，图像类的模型可以直接上传分类整理好的图片文件夹，平台会自动根据文件夹名称对应不同的类别标签；音频类也可以上传分类好的音频文件。需要注意的是，外部数据集的格式需要符合平台的要求，图像支持JPG、PNG等常见格式，音频支持WAV、MP3等常见格式，且每个类别的数据需要单独整理到对应标签的分类下，避免出现标注错误影响模型训练效果。
开始使用 Teachable Machine
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。
