如何导出识别结果？Fun-ASR CSV/JSON导出教程
如何导出识别结果？Fun-ASR CSV/JSON导出教程
在语音识别任务中，完成音频转写只是第一步。如何高效地将识别结果结构化并导出为通用格式（如 CSV 或 JSON），是实现后续数据处理、分析和集成的关键环节。本文将围绕Fun-ASR WebUI系统——由钉钉与通义联合推出的轻量级语音识别大模型系统，构建者科哥所开发的本地化部署方案，深入讲解其批量处理后的结果导出机制。
我们将重点聚焦于：批量识别完成后，如何正确触发导出功能、选择合适的数据格式、理解字段含义，并通过工程化方式自动化这一流程。无论你是需要生成会议纪要、客服录音分析报告，还是构建语音语料库，本教程都能提供可落地的操作路径。
1. 批量处理与结果导出的整体流程
Fun-ASR WebUI 提供了完整的“上传 → 配置 → 处理 → 导出”闭环，特别适合多文件场景下的语音转写需求。整个流程如下：
- 用户上传多个音频文件；
- 统一配置语言、热词、ITN 等参数；
- 启动批量处理，系统依次完成识别；
- 处理完成后，在界面中查看汇总结果；
- 点击“导出为 CSV”或“导出为 JSON”，下载结构化数据文件。
该流程的核心优势在于：一次配置，批量执行，统一导出，极大提升了工作效率。
1.1 功能入口说明
- 功能模块：
批量处理 - 操作按钮位置：
- “开始批量处理” → 等待进度条完成
- 出现“导出为 CSV”和“导出为 JSON”两个按钮
- 支持格式：
.csv（逗号分隔值）、.json（JavaScript 对象表示法）
这两种格式分别适用于不同用途：
- CSV：适合导入 Excel、Google Sheets 或数据库进行统计分析；
- JSON：便于程序解析，常用于 API 接口对接、前端展示或进一步 NLP 处理。
2. 导出功能详解与使用步骤
2.1 完成批量识别
在使用导出功能前，必须先完成至少一个文件的批量识别任务。
操作步骤：
- 进入
批量处理页面； - 点击“上传音频文件”，选择多个
.wav,.mp3,.m4a等支持格式； - 设置目标语言（如中文）、启用 ITN 文本规整、添加热词（可选）；
- 点击“开始批量处理”；
- 等待所有文件处理完毕，页面显示“处理完成”。
注意：若中途关闭浏览器或刷新页面，当前批次进度不会保存。建议保持页面打开直至导出完成。
2.2 触发导出操作
当所有文件识别结束后，界面上会自动出现两个导出按钮：
- 📥导出为 CSV
- 📥导出为 JSON
点击任意一个即可下载对应格式的结果文件。
导出内容包含以下字段：
| 字段名 | 说明 |
|---|---|
filename | 原始音频文件名（不含路径） |
duration | 音频时长（秒，保留两位小数） |
raw_text | 原始识别结果（未经规整） |
normalized_text | 启用 ITN 后的规整文本（如未启用则为空） |
language | 识别所用语言（如zh,en） |
has_hotwords | 是否使用了热词（布尔值） |
timestamp | 识别完成时间（ISO8601 格式） |
示例（CSV 片段）：
filename,duration,raw_text,normalized_text,language,has_hotwords,timestamp meeting_01.mp3,128.45,"今天开个短会讨论营业时间和客服电话","今天开个短会讨论营业时间和服务热线",zh,True,2025-04-05T10:23:15Z lecture_02.wav,305.76,"二零二五年三月十二号发布新产品","2025年3月12日发布新产品",zh,True,2025-04-05T10:25:42Z示例（JSON 片段）：
[ { "filename": "meeting_01.mp3", "duration": 128.45, "raw_text": "今天开个短会讨论营业时间和客服电话", "normalized_text": "今天开个短会讨论营业时间和服务热线", "language": "zh", "has_hotwords": true, "timestamp": "2025-04-05T10:23:15Z" }, { "filename": "lecture_02.wav", "duration": 305.76, "raw_text": "二零二五年三月十二号发布新产品", "normalized_text": "2025年3月12日发布新产品", "language": "zh", "has_hotwords": true, "timestamp": "2025-04-05T10:25:42Z" } ]2.3 文件命名规则
导出文件采用统一命名格式，便于归档管理：
- CSV 文件名：
asr_results_batch_{timestamp}.csv - JSON 文件名：
asr_results_batch_{timestamp}.json
其中{timestamp}为导出时刻的时间戳（UTC，格式YYYYMMDD_HHMMSS），例如：
asr_results_batch_20250405_102315.csv asr_results_batch_20250405_102315.json3. 工程实践：自动化导出与脚本集成
虽然 WebUI 提供了图形化导出功能，但在生产环境中，我们往往希望实现无人值守的自动化处理与结果提取。以下是几种实用的工程化方法。
3.1 直接读取本地数据库（SQLite）
Fun-ASR WebUI 将所有识别记录存储在 SQLite 数据库中，路径为：
webui/data/history.db你可以使用 Python 脚本直接查询该数据库并导出所需数据。
示例代码：从 history.db 导出为 CSV
import sqlite3 import pandas as pd from datetime import datetime # 连接数据库 conn = sqlite3.connect('webui/data/history.db') query = ''' SELECT filename, duration, text AS raw_text, itn_text AS normalized_text, lang AS language, CASE WHEN hotwords IS NOT NULL THEN 1 ELSE 0 END AS has_hotwords, created_at AS timestamp FROM recognition_history WHERE DATE(created_at) = DATE('now') ORDER BY created_at DESC ''' # 查询结果转为 DataFrame df = pd.read_sql_query(query, conn) conn.close() # 时间格式标准化 df['timestamp'] = pd.to_datetime(df['timestamp']).dt.strftime('%Y-%m-%dT%H:%M:%SZ') # 导出为 CSV output_file = f"asr_export_{datetime.now().strftime('%Y%m%d_%H%M%S')}.csv" df.to_csv(output_file, index=False, encoding='utf-8-sig') print(f"✅ 已导出 {len(df)} 条记录至 {output_file}")⚠️ 注意事项：
- 确保导出时无正在进行的识别任务，避免数据库锁冲突；
- 若需定期备份，建议先复制
history.db文件再操作。
3.2 使用 API 模拟导出（适用于定制化需求）
Fun-ASR WebUI 基于 FastAPI + Gradio 构建，部分接口可通过 HTTP 请求调用。虽然官方未公开完整 API 文档，但可通过浏览器开发者工具抓包获取关键端点。
获取最近一批识别结果的模拟请求：
curl -X GET "http://localhost:7860/api/history?limit=50" \ -H "Accept: application/json" \ > latest_results.json实际端点可能因版本而异，请结合
start_app.sh中的启动参数和源码确认。
3.3 批处理后自动触发导出脚本
可以修改start_app.sh或编写监听脚本，在检测到批量任务完成时自动执行导出逻辑。
示例思路（Bash + inotifywait）：
#!/bin/bash # 监听 history.db 修改事件，自动导出 CSV DB_PATH="webui/data/history.db" LOG_FILE="auto_export.log" inotifywait -m -e modify "$DB_PATH" | while read; do python export_to_csv.py # 自定义导出脚本 echo "$(date): 自动导出执行完成" >> "$LOG_FILE" done此方式适合长期运行的服务场景，实现“识别即导出”的流水线作业。
4. 常见问题与最佳实践
4.1 导出失败或按钮不出现？
可能原因及解决方案：
| 问题现象 | 原因 | 解决办法 |
|---|---|---|
| 按钮未出现 | 批量处理未真正完成 | 等待所有文件处理完毕，确认进度条为 100% |
| 下载中断 | 浏览器阻止弹窗或网络异常 | 关闭广告拦截插件，重试导出 |
| 文件为空 | 无有效识别结果 | 检查音频质量、语言设置是否匹配 |
4.2 如何提升导出效率？
- 避免频繁导出小批次：建议积累一定数量后再统一处理；
- 定期清理历史记录：防止
history.db过大影响查询性能； - 使用 SSD 存储数据库文件：显著提升 IO 性能。
4.3 数据安全与隐私保护
由于识别结果可能包含敏感信息（如会议内容、客户对话），建议采取以下措施：
- 限制访问权限：通过 Nginx 反向代理 + Basic Auth 控制 WebUI 访问；
- 加密导出文件：使用
zip -e加密压缩输出文件； - 自动清理机制：设置定时任务删除超过 7 天的导出文件。
5. 总结
Fun-ASR WebUI 不仅提供了高质量的本地语音识别能力，还通过简洁直观的界面实现了从批量处理到结构化导出的完整工作流。掌握其 CSV/JSON 导出功能，不仅能快速满足日常办公需求，还能为更复杂的语音数据分析打下基础。
本文系统梳理了：
- 批量识别后的标准导出流程；
- CSV 与 JSON 的字段结构与应用场景；
- 基于数据库直连与脚本化的自动化导出方案；
- 实际使用中的常见问题与优化建议。
更重要的是，我们强调了一种思维方式：不要停留在“能用”的层面，而应追求“高效、稳定、可集成”的工程化落地。通过合理利用本地数据库、编写自动化脚本、优化资源配置，完全可以将 Fun-ASR 构建成一个轻量级但强大的语音处理中枢。
下一步，你可以尝试将导出的 JSON 数据接入 RAG 系统用于知识检索，或将 CSV 导入 BI 工具生成可视化报表。语音智能的价值，正在于它如何被有效地“转化”和“再利用”。
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。