> For the complete documentation index, see [llms.txt](https://docs.convai.com/api-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.convai.com/api-docs/zh/cha-jian-yu-ji-cheng/convai-unreal-engine-plugin/features/scene-metadata/scene-auto-tagger.md).

# Scene Auto Tagger

使用 Scene Auto Tagger 为场景对象添加名称和描述，查看建议，并应用它们供你的 Convai 角色使用。

Scene Auto Tagger 会为你的 Unreal Engine 场景中的对象创建名称和描述。你需要先审核建议，然后再将其作为场景元数据应用——Convai 角色用这些信息来识别周围的对象。你可以先从博物馆中的几个展品、商店里的道具，或你自己场景中的对象开始。

观看博物馆演示，了解设置、审核和应用的工作流程：

{% embed url="<https://www.youtube.com/watch?v=HB4YPj3CPww>" %}
Scene Auto Tagger 演示
{% endembed %}

## 前置条件

* [ ] 在 Windows 上的 Unreal Editor 中打开的 Unreal Engine 项目，且已安装 [Convai Unreal Engine 插件](/api-docs/zh/cha-jian-yu-ji-cheng/convai-unreal-engine-plugin/getting-started/install-the-convai-plugin.md).
* [ ] 已通过 **Convai** 窗口在 Unreal Engine 中登录，并且在你的 Convai 账户中有一个角色。
* [ ] 一个包含你想要标记的对象的已打开关卡。

## 探索你的对象

{% stepper %}
{% step %}

### 打开 Scene Auto Tagger

选择 **Scene Auto Tagger** 在 Unreal Editor 工具栏中，或者打开 **工具** 并选择 **Scene Auto Tagger** ，位于 **Convai** 部分。

首次使用时，请阅读 **允许 AI 场景分析？** 并选择 **接受** 以继续。该工具会将捕获的图像和你可选的指导发送给 Convai 进行分析。
{% endstep %}

{% step %}

### 选择一个角色并添加指导

使用 **搜索你的角色** 以查找并选择一个角色。Scene Auto Tagger 会使用该角色的 AI 配置和知识库来帮助识别对象并撰写其描述。请选择一个与你场景相关的知识丰富的角色——例如，在展品画廊中选择你的博物馆导游。生成的标签会保存在场景对象上，并可供你关卡中的 Convai 角色使用。

要添加参考材料，请选择 **在 Convai 中打开**，更新该角色的 **知识库**，然后返回 Unreal Engine。展品说明或参考文档可以为分析提供更多上下文。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/yHKfdu1rYhCR3uCioi1L/.gitbook/assets/unreal-scene-auto-tagger-character.png" alt="Livia selected in the character list, with Open in Convai beneath it."><figcaption><p>选择一个其 AI 配置和知识将指导分析的角色。</p></figcaption></figure>

在 **场景描述（可选）**&#x4E0B;，描述场景，例如 `一个摆放着雕像和绘画的博物馆展厅。` 或者在关卡视口中框选环境并选择 **根据当前视图起草**。继续之前请先审阅生成的文本。

使用 **描述重点（可选）** 以指导描述。例如，输入 `重点描述每个展品的材质、形状和可见细节。`
{% endstep %}

{% step %}

### 选择要扫描的内容

展开 **分析选项** 并选择一个 **作用域**:

* **已选择的角色** 会扫描你在关卡编辑器中选中的符合条件的对象。这是小范围对象的一个很好的起点。
* **当前关卡** 会在当前关卡中发现重要对象。

选择 **精确** 可对艺术品、文本或特定主题进行更高细节的分析。这样会更耗时。

清除 **重新分析已有标签的对象** 如果你想跳过已经具有 Convai Object Component 的对象。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/ao3Yd1ZqM8zcOZZ9EVug/.gitbook/assets/unreal-scene-auto-tagger-scope.jpg" alt="Analysis options with Current Level and Accurate selected, plus the Explore current level button."><figcaption><p>在探索之前，先选择要扫描的对象和分析质量。</p></figcaption></figure>
{% endstep %}

{% step %}

### 开始分析

选择 **探索所选角色** 或 **探索当前关卡**，具体取决于你的范围。等待分析完成。审核列表会填充对象建议。

在你应用建议之前，你的关卡保持不变。
{% endstep %}
{% endstepper %}

## 审核并优化建议

选择一行以检查对象捕获的图像， **名称**，以及 **说明**。直接编辑文本，使其与你的场景一致。使用简短、自然的名称，例如 `青铜马`，以及一个能帮助你的角色谈论该对象的描述。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/foBDj0Knn8hmskei0Jtg/.gitbook/assets/unreal-scene-auto-tagger-review.jpg" alt="Scene Auto Tagger review list beside the captured image of a museum statue."><figcaption><p>选择一个对象以检查用于其建议的图像。</p></figcaption></figure>

### 更正细节

选择对象，然后在 **优化建议**下输入更正内容。例如，如果工具将某个展品识别为大象，但遗漏了它的名称，请输入 `这是康纳克大象。` 选择 **带注释分析** 以使用该更正和已保存的图像生成修订后的名称和描述。将结果包含进去之前先进行审核。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/yhDaPv8cW919XYrik5kT/.gitbook/assets/unreal-scene-auto-tagger-refine.png" alt="An elephant selected with a correction entered under Refine suggestion."><figcaption><p>添加缺失的细节，然后选择“带注释分析”。</p></figcaption></figure>

### 更改捕获角度

如果图像遗漏了正面或重要细节，请选择 **编辑视图** 下方的图像。拖动以环绕旋转，使用 Shift 拖动或右键拖动进行平移，并使用鼠标滚轮缩放。这些控件可移动捕获相机，而不会移动你关卡中的对象。

选择 **使用并分析** 以从调整后的视图生成新建议，然后审核更新后的名称和描述。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/f7RLnEGwV0cDoNZR3Leu/.gitbook/assets/unreal-scene-auto-tagger-edit-view.png" alt="Capture view editing controls beneath a statue preview."><figcaption><p>将你希望工具看到的细节框入视野，然后使用新视图进行分析。</p></figcaption></figure>

### 排除一个对象

将不需要的建议排除在你的包含集合之外。要整理列表，请勾选它们的行并选择 **更多 > 从此审核中移除已勾选项**。这会移除审核条目，而不会删除你关卡中的对象。

## 应用并验证你的标签

{% stepper %}
{% step %}

### 包含你想要的对象

勾选你想保留的建议旁边的复选框，然后选择 **包含已勾选项**。选择一行进行检查并不会将其纳入应用。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/eZiA0iRaKVvPrIdSeCCB/.gitbook/assets/unreal-scene-auto-tagger-apply.png" alt="Checked review rows with Include checked and Apply controls above the list."><figcaption><p>包含你想要的建议，然后将它们应用到你的关卡中。</p></figcaption></figure>
{% endstep %}

{% step %}

### 应用所包含的建议

选择 **应用**，后跟可应用的已包含建议数量。该工具会在这些关卡对象上添加或更新 **Convai Object Component** 。
{% endstep %}

{% step %}

### 验证对象并保存

在关卡编辑器中选择一个已标记对象。在 **Details**中，选择由 Scene Auto Tagger 添加的 Convai Object Component。它在组件列表中可能显示为 ConvaiAutoTagObject\_0。在 Object Entry 下，确认 Name 和 Description 与你应用的建议一致。

<figure><img src="https://content.gitbook.com/content/EtUJA212Zc1S9ACc8T4l/blobs/YHvGLh23ScwdlabZcmEP/.gitbook/assets/unreal-scene-auto-tagger-result.png" alt="A tagged museum object with its Convai Object Component and generated description in Details."><figcaption><p>确认你关卡中的对象上生成的名称和描述。</p></figcaption></figure>

保存你的关卡以保留更改。应用标签和保存是两个独立的操作。
{% endstep %}
{% endstepper %}

## 排查标记运行问题

### 一个对象需要处理

**症状：** 一个对象显示在 **需要处理** 下，但没有可靠的建议。

**原因：** 分析未能从捕获的图像中生成可靠结果。

**修复：** 选择该对象并检查其图像。使用 **编辑视图** 和 **使用并分析** 尝试另一个视角。如果你不想标记它，就不要将该对象纳入。

**验证：** 在将对象纳入之前，请检查新的名称和描述。

### 无法应用

**症状：** 该 **应用** 按钮被禁用。

**原因：** 分析或视图编辑仍在进行中，或者没有已完成的建议被纳入。

**修复：** 等待分析完成，并完成或取消 **编辑视图** 如果它已打开。勾选至少一个已完成的建议并选择 **包含已勾选项**.

**验证：** 该 **应用** 按钮会显示可应用的建议数量。

如果标签已应用但你的角色无法识别这些对象，请参阅 [排查场景元数据问题](/api-docs/zh/cha-jian-yu-ji-cheng/convai-unreal-engine-plugin/features/scene-metadata/troubleshoot-scene-metadata.md).

## 下一步

在对话中测试你已标记的对象，或添加更多场景信息：

{% content-ref url="/pages/0feb18e88feac4367d421728b98f739c505dcd5a" %}
[场景元数据快速开始](/api-docs/zh/cha-jian-yu-ji-cheng/convai-unreal-engine-plugin/features/scene-metadata/scene-metadata-quick-start.md)
{% endcontent-ref %}

{% content-ref url="/pages/5b34043c604b8f8fd8088c66f01ea7887fcd8846" %}
[场景元数据组件参考](/api-docs/zh/cha-jian-yu-ji-cheng/convai-unreal-engine-plugin/features/scene-metadata/scene-metadata-component-reference.md)
{% endcontent-ref %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.convai.com/api-docs/zh/cha-jian-yu-ji-cheng/convai-unreal-engine-plugin/features/scene-metadata/scene-auto-tagger.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.