如何导出识别结果？Fun-ASR批量处理后操作指南

在完成一批会议录音、客服对话或课程音频的批量识别后，你最关心的往往不是“有没有识别出来”，而是“结果怎么用”——能否快速整理成会议纪要？能否导入Excel做关键词统计？能否同步到钉钉文档或飞书多维表格？能否作为训练数据二次加工？

Fun-ASR WebUI 的批量处理功能已能稳定高效地完成语音转文字任务，但很多用户卡在最后一步：识别完成了，结果却找不到、导不出、格式不对、无法复用。这不是模型能力的问题，而是对导出机制和结果结构缺乏系统认知。

本文不讲模型原理，不调参数，不部署环境，只聚焦一个务实目标：让你在批量处理完成后，5分钟内拿到可编辑、可分析、可归档的结构化文本结果。从界面操作到文件解析，从CSV字段含义到JSON嵌套逻辑，手把手带你走通“识别→查看→导出→验证→再利用”的完整闭环。

---

1. 批量处理完成后的第一眼：识别历史是你的数据中心

批量处理结束后，页面不会自动跳转，也不会弹出“导出成功”提示——这是新手最容易忽略的关键前提。Fun-ASR 将所有识别结果统一沉淀至 【识别历史】模块，它不是临时缓存，而是具备搜索、筛选、回溯能力的持久化数据库。

1.1 进入识别历史的三种方式

• 方式一（推荐）：点击顶部导航栏的「识别历史」标签页
• 方式二：在「批量处理」页面底部，点击绿色按钮「查看全部历史记录」
• 方式三：刷新当前页面后，直接访问 http://localhost:7860/#识别历史

注意：历史记录默认仅显示最近100条，且按时间倒序排列。如果你处理了200个文件，前100条可能已被覆盖。因此，批量处理完成后请立即进入历史页，不要关闭浏览器窗口。

1.2 快速定位你的这批结果

假设你刚上传了名为 2025_Q1_销售复盘会议_01.wav 至 2025_Q1_销售复盘会议_20.wav 的20个文件，可通过以下任一方式精准筛选：

• 按时间范围筛选：使用右上角日历控件，选择“今天”或具体时间段
• 按文件名关键词搜索：在搜索框输入 销售复盘，系统实时匹配文件名与识别内容
• 按ID范围定位：若你记得处理前最后一条记录ID是 #142，那么新结果大概率从 #143 开始连续编号

搜索结果列表中，每行包含5项核心信息：

• ID：唯一数字编号（如 #158），用于精确调取详情
• 时间：识别完成的精确时间（精确到秒）
• 文件名：原始上传名称（含扩展名）
• 识别结果：首句摘要（截断显示，约30字）
• 语言：识别所用语种（zh / en / ja）

小技巧：将鼠标悬停在「识别结果」列，会显示完整文本气泡；点击「文件名」可复制路径，方便后续定位音频源文件。

---

2. 查看单条结果详情：理解结构，才能正确导出

点击任意一条记录右侧的「查看详情」按钮（或直接在搜索框输入ID，如 158），进入详情页。这里呈现的是该音频的全量结构化输出，也是导出功能的数据源头。

2.1 详情页四大核心区块解析

区块	内容说明	实际用途
基础信息	文件路径、上传时间、处理耗时、模型版本（Fun-ASR-Nano-2512）、设备（cuda:0）	排查性能问题、追溯处理环境
识别结果	原始ASR输出文本，保留口语停顿、重复、语气词（如“呃…”、“那个…”）	用于质检、人工校对、声学模型优化
规整后文本	启用ITN后的标准化文本（如“二零二五年三月十二号” → “2025年3月12日”）	直接用于文档生成、知识库录入、NLP下游任务
元数据	热词列表（生效的词汇）、ITN开关状态、VAD分段信息（若启用）、置信度评分（部分模型支持）	分析识别偏差、优化热词策略、评估片段质量

关键观察点：对比「识别结果」与「规整后文本」。若两者差异极大（如规整后丢失关键术语），说明ITN规则与业务场景冲突，建议关闭ITN或自定义规整词典。

2.2 为什么必须先看详情页？

因为导出的CSV/JSON文件，其字段设计完全映射此处结构。例如：

• CSV中的 raw_text 列 = 详情页「识别结果」内容
• JSON中的 itn_text 字段 = 详情页「规整后文本」内容
• CSV中的 confidence 列（如有）= 详情页「元数据」中显示的置信度均值

不理解详情页结构，就无法准确解读导出文件，更无法编写脚本做自动化清洗。

---

3. 两种导出方式详解：一键下载 vs 批量打包

Fun-ASR WebUI 提供两种导出路径，适用于不同规模与精度需求：

3.1 单条导出：适合抽检、校对、快速分享

在详情页右上角，有三个并列按钮：

• 复制文本：一键复制「规整后文本」到剪贴板（最常用）
• 导出为TXT：生成纯文本文件，文件名格式为 原文件名.txt（如 2025_Q1_销售复盘会议_01.txt）
• 导出为SRT：生成带时间轴的字幕文件，适用于视频剪辑、在线课程发布

使用场景示例：

• 给同事发一段会议要点？点「复制文本」粘贴到钉钉群
• 需要插入PPT备注？用「导出为TXT」，再复制进幻灯片
• 为培训视频配字幕？选「导出为SRT」，导入剪映或Premiere

提示：SRT文件的时间戳基于VAD检测结果，非逐字时间轴。若需毫秒级精准对齐，需调用SDK接口获取帧级输出。

3.2 批量导出：面向生产环境的核心能力

当你要处理50+文件并交付给运营、法务或数据分析团队时，单条操作效率极低。此时应返回「识别历史」页，使用顶部的批量导出功能。

操作流程（四步到位）：

1. 勾选目标记录：在历史列表左侧勾选框中，选择需要导出的条目（支持Ctrl多选、Shift区间选）
2. 选择导出格式：下拉菜单提供两项：
   • CSV（逗号分隔）：兼容Excel、WPS、Tableau、Python pandas
   • JSON（标准格式）：适配API对接、数据库入库、大模型微调数据准备
3. 配置导出字段（CSV专属）：
   • 必选：id, filename, itn_text（规整文本，业务最常用）
   • ⚙ 可选：raw_text（原始文本）、language（语种）、duration_ms（音频时长）、confidence（置信度）
   • ❌ 不建议：file_path（含本地绝对路径，无跨平台价值）
4. 点击「导出选中记录」：浏览器自动下载压缩包 funasr_batch_export_YYYYMMDD_HHMMSS.zip

压缩包内容结构（以CSV为例）：

funasr_batch_export_20250415_143022/
├── metadata.json          # 导出时间、总条数、参数快照
├── results.csv            # 主数据表（UTF-8编码，BOM头已去除）
└── samples/               # 每个文件的TXT副本（可选，勾选后生成）
    ├── 2025_Q1_销售复盘会议_01.txt
    └── ...

验证技巧：用VS Code打开 results.csv，确认首行为字段名，且中文显示正常（无乱码）。若出现方块字符，说明编码非UTF-8，需在Excel中通过「数据→从文本/CSV」手动指定编码。

---

4. CSV字段深度解读：让每一列都可被业务调用

results.csv 是批量导出的主力交付物，其字段设计直指工程落地。以下是各列的业务含义与使用建议：

字段名	数据类型	示例值	业务解读	典型用途
id	整数	158	本条记录在Fun-ASR数据库中的唯一ID	与原始音频文件建立映射关系，用于审计追踪
filename	字符串	2025_Q1_销售复盘会议_01.wav	上传时的原始文件名（不含路径）	自动关联云存储URL，构建音文双链路知识库
itn_text	字符串	各位同事好，今天我们复盘2025年第一季度销售数据...	ITN规整后的最终可用文本	直接导入CRM、写入钉钉文档、喂给大模型总结
raw_text	字符串	呃…各位同…事好，今…天我们复盘二零二五年第一季度销售数据…	未经处理的原始识别结果	语音质检、错误模式分析、热词效果评估
language	字符串	zh	识别所用语种代码（zh/en/ja）	多语言内容路由，自动分发至对应语种审核员
duration_ms	整数	324500	音频总时长（毫秒），即5分24.5秒	计算人均处理时长、识别效率KPI
processing_time_s	浮点数	42.3	本条识别耗时（秒）	监控GPU负载、识别服务SLA达标率
confidence	浮点数	0.87	平均置信度（0~1），越高越可靠	设置自动过滤阈值（如<0.7的记录标红待人工复核）

重要提醒：itn_text 是业务交付的黄金字段，90%的下游应用（如会议纪要生成、客户情绪分析）都基于此列。而 raw_text 更适合算法团队做bad case分析——比如发现某类专业术语（如“FSMN-VAD”）在 raw_text 中频繁错别为“F-S-M-N”，即可针对性补充热词。

---

5. JSON导出实战：为自动化流程注入结构化血液

当你的工作流涉及API集成、数据库写入或大模型预处理时，JSON格式比CSV更具表达力。Fun-ASR 的 JSON 导出采用扁平化设计，兼顾可读性与机器解析效率。

5.1 标准JSON结构示例（单条记录）

{
  "id": 158,
  "filename": "2025_Q1_销售复盘会议_01.wav",
  "itn_text": "各位同事好，今天我们复盘2025年第一季度销售数据...",
  "raw_text": "呃…各位同…事好，今…天我们复盘二零二五年第一季度销售数据...",
  "language": "zh",
  "duration_ms": 324500,
  "processing_time_s": 42.3,
  "confidence": 0.87,
  "vad_segments": [
    {
      "start_ms": 1200,
      "end_ms": 8450,
      "text": "各位同事好，今天我们复盘2025年第一季度销售数据"
    },
    {
      "start_ms": 9200,
      "end_ms": 22100,
      "text": "首先看整体达成率，Q1目标是1.2亿，实际完成1.35亿..."
    }
  ],
  "hotwords_used": ["Q1", "销售复盘", "达成率"]
}

5.2 关键字段价值挖掘

• vad_segments 数组：VAD分段后的语义单元，每段含起止时间与对应文本。这是实现「按段落生成会议纪要」、「提取发言人观点」、「计算各环节时长占比」的基础。
• hotwords_used 数组：实际生效的热词列表。可用于反向验证热词配置是否命中，避免“写了热词却没生效”的黑盒问题。
• 时间戳字段（start_ms/end_ms）：虽非逐字级，但已足够支撑「5分钟内找到某句话」的业务需求，无需额外开发时间轴对齐模块。

5.3 Python快速解析示例（10行代码搞定）

import json
import pandas as pd

# 读取导出的JSON文件
with open("funasr_batch_export_20250415_143022/results.json", "r", encoding="utf-8") as f:
    data = json.load(f)

# 提取所有规整文本，生成DataFrame
df = pd.DataFrame([
    {
        "id": item["id"],
        "filename": item["filename"],
        "summary": item["itn_text"][:100] + "..." if len(item["itn_text"]) > 100 else item["itn_text"],
        "segments_count": len(item["vad_segments"]),
        "hotwords": ", ".join(item.get("hotwords_used", []))
    }
    for item in data
])

print(df.head())
# 输出：id, filename, summary, segments_count, hotwords

这段代码可直接嵌入你的日报生成脚本，5分钟内输出带摘要的会议清单。

---

6. 常见导出问题与解决方案：避开90%的踩坑点

即使按流程操作，仍可能遇到导出失败、格式异常或内容缺失。以下是高频问题及根因对策：

6.1 问题：导出CSV后Excel打开全是乱码（中文显示为方块）

• 根因：Windows系统默认用ANSI编码打开CSV，而Fun-ASR导出为UTF-8无BOM格式
• 解法：
  • 正确方式：Excel → 「数据」选项卡 → 「从文本/CSV」→ 选择文件 → 编码选「UTF-8」
  • 替代方案：用VS Code、Notepad++打开，另存为「UTF-8 with BOM」格式
  • ❌ 错误方式：直接双击打开，或用记事本另存为ANSI（会破坏中文）

6.2 问题：JSON导出文件为空数组 []

• 根因：勾选了记录但未点击「导出选中记录」，或网络中断导致请求未发出
• 解法：
  • 刷新「识别历史」页，重新勾选 → 检查右上角是否有「已选X条」提示 → 再次点击导出
  • 查看浏览器控制台（F12 → Console）是否有 Failed to fetch 报错

6.3 问题：导出的 itn_text 中仍有数字未规整（如“一千二百三十四”未转“1234”）

• 根因：ITN功能依赖内置规则库，对长数字、复合单位（如“1234.56万元”）支持有限
• 解法：
  • 短期：在导出后用Python正则批量替换（re.sub(r"([零一二三四五六七八九十百千万亿]+)", lambda m: cn2an.cn2an(m.group(1), "normal"), text)）
  • 长期：在Fun-ASR设置中启用「自定义ITN规则」，添加正则映射表

6.4 问题：批量导出耗时过长（>5分钟），浏览器提示“连接超时”

• 根因：导出过程需序列化大量文本，前端JavaScript内存压力大
• 解法：
  • 推荐：分批导出，每次≤30条（实测响应最快）
  • 进阶：使用命令行工具直接读取数据库（webui/data/history.db），绕过WebUI层

---

7. 超越导出：让结果真正流动起来

导出只是起点，真正的价值在于结果的再利用。以下是三个已验证的轻量级延展方案：

7.1 方案一：自动同步至钉钉文档（免开发）

利用钉钉「宜搭」低代码平台：

• 创建「语音转写结果」数据表，字段与CSV完全一致
• 添加「文件上传」组件，绑定Fun-ASR导出的ZIP包
• 配置「解析ZIP」自动化动作，自动解压→读取CSV→写入数据表
• 成果：销售团队在钉钉内即可搜索任意会议关键词，秒级定位原文

7.2 方案二：生成会议纪要Markdown（Python脚本）

# 自动生成带标题、时间、要点的Markdown
for record in json_data:
    with open(f"meeting_{record['id']}.md", "w", encoding="utf-8") as f:
        f.write(f"# {record['filename'].split('_')[2]}会议纪要\n\n")
        f.write(f"**时间**：{record['processing_time_s']}秒 | **时长**：{record['duration_ms']//60000}分{record['duration_ms']%60000//1000}秒\n\n")
        f.write("## 核心要点\n\n")
        for i, seg in enumerate(record['vad_segments'][:3], 1):
            f.write(f"{i}. {seg['text'][:50]}...\n")

7.3 方案三：构建内部语音知识库（Elasticsearch）

• 将JSON数据通过Logstash写入ES
• 配置中文分词器（ik_max_word）
• 开发简单Web界面，支持「按产品名查对话」「按问题类型聚类」
• 成果：客服新人3分钟内查到历史相似问题的标准应答话术

---

8. 总结：导出不是终点，而是智能语音工作流的枢纽

回顾整个流程，你会发现：

• 导出操作本身只需3次点击，但背后依赖对「识别历史」数据模型、「规整文本」业务价值、「CSV/JSON」工程语义的深度理解；
• 没有所谓“最佳导出配置”，销售会议要 itn_text + vad_segments，客服质检要 raw_text + confidence，技术分享要 SRT + timestamps；
• 真正的效率提升，来自导出后的自动化衔接——把Fun-ASR变成你现有工作流的一个无感插件，而非孤立工具。

下次当你面对一堆待处理的音频时，请记住这个检查清单：
批量处理完成，立刻进入「识别历史」
按关键词/时间筛选，确认结果完整
查看1~2条详情，验证 itn_text 质量
根据下游用途，选择CSV（通用分析）或JSON（系统集成）
导出后，用5分钟跑通一个最小闭环（如：CSV→Excel→生成摘要）

语音识别的价值，永远不在“转出来”，而在“用起来”。而导出，正是那座连接AI能力与业务落地的桥。

---

> **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](https://ai.csdn.net/?utm_source=mirror_blog_end)，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。