FSMN VAD输出结果导出：JSON转CSV批量处理脚本

FSMN VAD输出结果导出：JSON转CSV批量处理脚本

1. 为什么需要这个脚本？

你刚用FSMN VAD WebUI跑完一批会议录音，页面上漂亮地显示着一串JSON结果：

[ {"start": 70, "end": 2340, "confidence": 1.0}, {"start": 2590, "end": 5180, "confidence": 1.0} ]

但问题来了——领导要你把所有音频的语音片段起止时间整理成Excel表格，方便导入到标注平台；同事想用Python做后续统计分析；而你手头有37个音频文件，每个都得手动复制粘贴、改格式、加文件名……光是点开37次网页就让人头皮发麻。

别折腾了。这篇脚本就是为你写的——一行命令，把几十个JSON结果自动合并成一个带文件名标记的CSV表格，字段清晰、时间可读、开箱即用。

它不依赖WebUI后台，不修改原系统，纯本地运行，5分钟就能部署好。你甚至不用懂Python，复制粘贴就能跑通。

2. 脚本能做什么？（小白一眼看懂）

这个脚本不是“又一个转换工具”，而是专为FSMN VAD工作流设计的轻量级生产力补丁。它解决的是真实场景里的三个卡点：

• 自动识别文件归属：不用手动给每个JSON加文件名。脚本会根据JSON文件名（如meeting_01.json）自动提取音频名，并写入CSV第一列
• 时间单位人性化转换：原始JSON里全是毫秒（start: 70），脚本自动转成秒（0.07）和标准时间格式（00:00:00.070），Excel里直接可排序、可计算时长
• 一键批量合并：把分散在/results/目录下的37个JSON，合成一个vad_summary.csv，结构像这样：

注意：同一音频可能有多段语音，所以audio_name会重复出现——这正是你做分段统计需要的结构。

它不生成图片、不调用API、不连数据库，就是一个干净的.py文件，双击或命令行运行即可。连Python环境都不用额外装（只要你的WebUI能跑起来，说明环境已经齐了）。

3. 快速上手：三步完成部署

3.1 准备工作：确认你的文件结构

脚本默认从./vad_results/目录读取所有.json文件。请先确保你的FSMN VAD WebUI导出的JSON按如下方式存放：

your_project/ ├── vad_results/ │ ├── interview_01.json │ ├── interview_02.json │ └── call_center_20240512.json └── convert_json_to_csv.py ← 你将创建的脚本

小技巧：WebUI的“批量文件处理”功能还在开发中，但你可以用它的单文件模式，把每个音频单独处理，然后把结果JSON手动保存到vad_results/目录——这是目前最稳的落地方式。

3.2 创建转换脚本（复制即用）

新建一个文件，命名为convert_json_to_csv.py，粘贴以下内容（已实测兼容Python 3.8+，无需额外安装包）：

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ FSMN VAD JSON to CSV Batch Converter Author: 科哥 | 支持 FSMN VAD WebUI 输出格式 Input: ./vad_results/*.json (each contains list of {"start", "end", "confidence"}) Output: ./vad_summary.csv (with readable time columns) """ import os import json import csv from datetime import timedelta def ms_to_time_str(ms): """Convert milliseconds to HH:MM:SS.mmm format""" if ms < 0: return "00:00:00.000" td = timedelta(milliseconds=ms) hours, remainder = divmod(td.seconds, 3600) minutes, seconds = divmod(remainder, 60) return f"{hours:02d}:{minutes:02d}:{seconds:02d}.{ms%1000:03d}" def main(): input_dir = "./vad_results" output_file = "./vad_summary.csv" # Collect all JSON files json_files = [f for f in os.listdir(input_dir) if f.endswith(".json")] if not json_files: print(f"❌ 错误：未在 '{input_dir}' 目录下找到任何 .json 文件") print("请确认文件路径正确，且至少有一个 JSON 结果文件") return print(f" 发现 {len(json_files)} 个 JSON 文件，开始处理...") # Prepare CSV headers fieldnames = [ "audio_name", "start_ms", "end_ms", "duration_ms", "start_sec", "end_sec", "duration_sec", "start_time", "end_time", "confidence" ] with open(output_file, "w", newline="", encoding="utf-8") as f: writer = csv.DictWriter(f, fieldnames=fieldnames) writer.writeheader() processed_count = 0 for json_file in json_files: try: # Extract audio name (remove .json extension) audio_name = os.path.splitext(json_file)[0] # Load JSON with open(os.path.join(input_dir, json_file), "r", encoding="utf-8") as jf: data = json.load(jf) # Process each segment for seg in data: start_ms = int(seg.get("start", 0)) end_ms = int(seg.get("end", 0)) conf = float(seg.get("confidence", 0.0)) duration_ms = end_ms - start_ms start_sec = round(start_ms / 1000, 3) end_sec = round(end_ms / 1000, 3) duration_sec = round(duration_ms / 1000, 3) start_time = ms_to_time_str(start_ms) end_time = ms_to_time_str(end_ms) writer.writerow({ "audio_name": audio_name, "start_ms": start_ms, "end_ms": end_ms, "duration_ms": duration_ms, "start_sec": start_sec, "end_sec": end_sec, "duration_sec": duration_sec, "start_time": start_time, "end_time": end_time, "confidence": conf }) processed_count += 1 print(f" ✔ 已处理 {json_file} ({len(data)} 段语音)") except Exception as e: print(f" ❌ 处理 {json_file} 失败：{str(e)}") continue print(f"\n 全部完成！共处理 {processed_count}/{len(json_files)} 个文件") print(f" 结果已保存至：{output_file}") print(" 提示：用 Excel 或 WPS 打开 CSV，'start_time' 列可直接排序查看语音顺序") if __name__ == "__main__": main()

3.3 运行脚本并验证结果

打开终端（Linux/macOS）或命令提示符（Windows），进入你的项目目录，执行：

python convert_json_to_csv.py

你会看到类似这样的输出：

发现 3 个 JSON 文件，开始处理... ✔ 已处理 meeting_a.json (2 段语音) ✔ 已处理 meeting_b.json (3 段语音) ✔ 已处理 call_2024.json (1 段语音) 全部完成！共处理 3/3 个文件 结果已保存至：./vad_summary.csv 提示：用 Excel 或 WPS 打开 CSV，'start_time' 列可直接排序查看语音顺序

打开生成的vad_summary.csv，你应该能看到整齐的表格，时间列已自动格式化，可以直接用于汇报、分析或导入其他工具。

常见问题直答：
Q：报错ModuleNotFoundError: No module named 'csv'？
A：不可能。csv是Python标准库，只要能运行WebUI，这个脚本一定可以跑。检查是否输错了文件名，或路径里有中文空格。

Q：CSV里时间显示乱码？
A：用Excel打开时，选择“UTF-8编码”；WPS用户请右键→“以编码方式打开”→选UTF-8。

4. 进阶用法：按需定制你的输出

脚本设计为“开箱即用，按需可调”。如果你有特殊需求，只需改几行代码，无需重写逻辑。

4.1 修改输入/输出路径（两处）

找到脚本中的这两行：

input_dir = "./vad_results" output_file = "./vad_summary.csv"

改成你实际的路径，例如：

input_dir = "/home/user/fsnm_vad_outputs" output_file = "/home/user/reports/vad_all_2024.csv"

4.2 过滤低置信度片段（加一行判断）

如果你只关心置信度≥0.8的语音段，在for seg in data:循环内加入：

conf = float(seg.get("confidence", 0.0)) if conf < 0.8: # 跳过置信度低于0.8的片段 continue

4.3 添加音频时长字段（扩展分析维度）

想同时知道原始音频总时长？只需在writer.writerow({...})前加一行：

# 假设你有 audio_duration_ms 字段（需提前获取，例如从FFmpeg） # 这里演示如何添加：audio_duration_ms = 120000 # 2分钟 # 然后在 writer.writerow 中加入： # "audio_duration_ms": audio_duration_ms,

实用建议：真正需要音频总时长的场景，推荐用FFmpeg批量提取，再用pandas合并——但这已超出本脚本范围。本脚本专注做好一件事：把VAD结果变成可分析的表格。

5. 为什么这个方案比其他方法更可靠？

市面上有各种JSON转CSV工具，但它们对FSMN VAD场景普遍存在三个硬伤：

更重要的是——它和你的工作流无缝咬合。你不需要改变现有操作习惯：照常在WebUI里点“开始处理”，照常把结果存成JSON，最后跑一次脚本。没有学习成本，没有流程切换，没有新工具要适应。

它不是炫技的工程，而是帮你每天省下15分钟的务实工具。

6. 总结：让VAD结果真正可用

FSMN VAD本身是个强大的模型，但再好的技术，如果结果不能被业务方快速理解、不能被下游工具直接消费，它的价值就会大打折扣。

这个脚本做的，就是打通从“模型输出”到“业务可用”的最后一公里：

• 它把冷冰冰的毫秒数字，变成Excel里可排序、可筛选、可求和的时间戳；
• 它把散落的37个JSON文件，聚合成一张清晰的总览表，让项目经理一眼看清每段语音归属；
• 它用最朴素的Python标准库实现，不引入任何新依赖，确保在你现有的服务器、笔记本、甚至树莓派上都能稳定运行。

你不需要成为Python专家，也不需要理解FSMN的内部结构。你只需要记住：
下次导出一堆JSON时，cd进目录，敲python convert_json_to_csv.py，喝口茶，回来就有一张 ready-to-use 的CSV。

这才是AI工具该有的样子——不制造新麻烦，只默默解决老问题。

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。