如何导出识别结果？Fun-ASR CSV/JSON格式支持
在语音识别任务中，完成音频转写只是第一步。真正决定系统实用性的，是识别结果能否高效地被导出、整合与再利用。对于企业级应用而言，结构化输出能力直接关系到后续的数据分析、文档归档和团队协作效率。
Fun-ASR WebUI 作为钉钉联合通义推出的语音识别大模型系统，不仅具备高精度多语言识别能力，更提供了完善的CSV 和 JSON 格式导出功能，让每一次识别都能无缝接入企业的数据工作流。本文将深入解析 Fun-ASR 的结果导出机制，帮助用户掌握批量处理后的标准化输出方法。
1. 批量处理与结果导出概述
1.1 功能定位
Fun-ASR 的“批量处理”模块专为多文件场景设计，适用于会议录音整理、客服质检、培训课程转录等高频需求。当多个音频文件完成识别后，系统支持将所有结果统一导出为标准结构化格式：
- CSV（Comma-Separated Values）：适合导入 Excel、数据库或进行数据分析
- JSON（JavaScript Object Notation）：便于程序解析、API 对接和前后端交互
这两种格式均包含完整的识别信息与元数据，确保数据可追溯、可复用。
1.2 典型应用场景
| 场景 | 输出格式选择 | 原因 |
|---|---|---|
| 客服录音质检报表 | CSV | 易于用 Excel 统计关键词出现频次 |
| 会议纪要自动归档 | JSON | 可被 OA 系统直接读取并生成摘要 |
| 模型效果对比测试 | CSV | 支持快速计算 WER（词错误率） |
| 多人协同编辑流程 | JSON | 包含时间戳与参数快照，利于版本控制 |
2. 导出操作流程详解
2.1 完成批量识别
在使用导出功能前，需先完成批量处理流程：
- 进入 WebUI 的「批量处理」页面
- 拖拽上传多个音频文件（支持 WAV、MP3、M4A、FLAC）
- 配置公共参数：
- 目标语言（中文/英文/日文）
- 是否启用 ITN 文本规整
- 添加热词列表（如“营业时间”、“客服电话”）
- 点击“开始批量处理”，等待进度条完成
提示：建议每批处理不超过 50 个文件，避免内存压力过大导致中断。
2.2 触发导出动作
处理完成后，界面会显示“导出结果”按钮，点击后弹出选项框：
- ✅导出为 CSV
- ✅导出为 JSON
选择任一格式后，系统自动生成压缩包recognition_results.zip并触发浏览器下载。
2.3 文件结构说明
下载的压缩包内包含以下内容：
recognition_results/ ├── results.csv # 或 results.json ├── metadata.json # 本次任务的全局配置 └── audio_files/ # 原始音频副本（可选）其中results.csv和results.json是核心输出文件，下面分别解析其字段结构。
3. CSV 与 JSON 输出格式深度解析
3.1 CSV 格式结构
CSV 文件采用 UTF-8 编码，首行为表头，每行对应一个音频文件的识别结果。
字段定义
| 列名 | 类型 | 说明 |
|---|---|---|
| id | int | 本地历史记录 ID |
| filename | string | 原始文件名 |
| filepath | string | 服务器存储路径 |
| timestamp | datetime | 识别完成时间（ISO8601） |
| language | string | 使用的目标语言 |
| use_itn | boolean | 是否启用文本规整 |
| hotwords | string | 热词列表（以分号分隔） |
| raw_text | text | 原始识别文本 |
| normalized_text | text | ITN 规整后文本（若启用） |
示例片段
id,filename,timestamp,language,use_itn,hotwords,raw_text,normalized_text 1001,meeting_01.mp3,2025-04-05T14:30:22Z,中文,True,"开放时间;营业时间","今天开放时间从早上九点到晚上八点","今天开放时间从早上9点到晚上8点" 1002,interview_en.wav,2025-04-05T15:12:10Z,英文,True,"project deadline","The project deadline is next Friday","The project deadline is next Friday"注意：若字段中包含换行符或逗号，系统会自动用双引号包裹该字段，符合 RFC 4180 标准。
3.2 JSON 格式结构
JSON 文件为数组形式，每个元素代表一条识别记录，保留了更丰富的嵌套信息。
数据结构示例
[ { "id": 1001, "filename": "meeting_01.mp3", "filepath": "/data/audio/meeting_01.mp3", "timestamp": "2025-04-05T14:30:22Z", "config": { "language": "中文", "use_itn": true, "hotwords": ["开放时间", "营业时间", "客服电话"] }, "duration": 183.4, "segments": [ { "start": 0.0, "end": 5.2, "text": "各位同事大家好" }, { "start": 5.3, "end": 12.1, "text": "今天的会议主题是Q2运营计划" } ], "raw_text": "各位同事大家好 今天的会议主题是Q2运营计划...", "normalized_text": "各位同事大家好 今天的会议主题是第二季度运营计划..." } ]关键特性
segments字段：提供带时间戳的分段文本，可用于生成 SRT 字幕config对象：完整保存识别时的参数快照，支持结果复现duration字段：音频总时长（秒），便于统计处理效率
3.3 格式对比与选型建议
| 维度 | CSV | JSON |
|---|---|---|
| 可读性 | 高（Excel 可直接打开） | 中（需格式化查看） |
| 程序解析难度 | 低（pandas.read_csv） | 中（json.load + 遍历） |
| 支持嵌套结构 | 否 | 是（如 segments） |
| 文件体积 | 小（纯文本） | 略大（冗余引号与括号） |
| 适用场景 | 报表统计、数据导入 | 系统集成、API 返回 |
推荐实践：
- 若用于人工审阅或 Excel 分析 → 优先选CSV
- 若对接 OA、CRM 或自动化脚本 → 优先选JSON
4. 高级用法与工程化建议
4.1 自动化导出脚本示例
可通过 Selenium 或 Playwright 实现全流程自动化：
from selenium import webdriver import time import os def automate_batch_export(): driver = webdriver.Chrome() driver.get("http://localhost:7860") # 上传文件 upload_input = driver.find_element("xpath", "//input[@type='file']") upload_input.send_keys("/path/to/audio/*.mp3") # 开始处理 driver.find_element("id", "batch-process-btn").click() # 等待完成 while "Processing" in driver.page_source: time.sleep(5) # 导出为 JSON driver.find_element("id", "export-json-btn").click() time.sleep(3) # 等待下载 driver.quit() if __name__ == "__main__": automate_batch_export()配合定时任务（cron），可实现每日凌晨自动处理新录音并上传至网盘。
4.2 与钉盘版本系统的联动
Fun-ASR 支持通过插件机制将导出动作与钉钉 Drive 深度集成：
import requests import json def sync_to_dingtalk_drive(json_path, folder_id, access_token): url = "https://oapi.dingtalk.com/topapi/vdrive/file/upload" with open(json_path, 'r', encoding='utf-8') as f: content = f.read() files = { 'content': ('results.json', content, 'application/json') } data = { 'access_token': access_token, 'parent_id': folder_id, 'name': f'results_{int(time.time())}.json' } response = requests.post(url, data=data, files=files) return response.json()此函数可在导出后自动调用，实现“识别→导出→上传”全链路自动化。
4.3 性能优化建议
- 大文件分片预处理：超过 100MB 的音频建议先用 VAD 切分为小段再识别
- 禁用非必要字段：如无需分段时间戳，可在设置中关闭
output_segments - 异步导出机制：WebUI 内部采用后台线程生成文件，不影响前端响应
5. 总结
Fun-ASR WebUI 的 CSV/JSON 导出功能，不仅仅是简单的“保存按钮”，而是构建在完整工程架构之上的结构化数据出口机制。它解决了语音识别落地过程中的三大关键问题：
- 数据可用性：通过标准格式输出，打破 ASR 工具与业务系统的壁垒；
- 过程可审计：每条记录附带参数快照与时间戳，支持结果回溯；
- 协作可持续：结合网盘版本管理，实现多人协同下的安全修改与变更追踪。
无论是单次导出还是集成进自动化流水线，Fun-ASR 都提供了灵活且可靠的解决方案。未来随着企业对语音数据治理要求的提升，这类“识别+导出+归档”一体化的能力将成为智能语音平台的核心竞争力。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
