昌吉回族自治州网站建设_网站建设公司_网站备案_seo优化

Paraformer-large识别结果导出：TXT/JSON格式生成实战教程

1. 教程目标与适用人群

你是不是也遇到过这种情况：用语音识别工具转写了一段很长的会议录音或课程音频，结果只能在网页界面上看文字，没法保存下来做进一步整理？复制粘贴太麻烦，还容易丢内容。

本文要解决的就是这个问题——如何将 Paraformer-large 模型识别出的文字结果，自动保存为 TXT 和 JSON 文件，方便后续归档、分析或导入其他系统使用。

适合谁看：

• 正在使用 Paraformer-large 做语音转写的用户
• 想要把识别结果结构化保存的技术爱好者
• 需要批量处理录音文件的办公人员、教育工作者、内容创作者

学完你能掌握：

• 在原有 Gradio 界面基础上扩展“导出功能”
• 实现一键生成.txt纯文本和.json结构化数据
• 自定义文件命名规则与存储路径
• 完整可运行代码，直接复制就能用

不需要你懂多深的编程，只要会改几行 Python 脚本，就能让整个流程自动化起来。

2. 功能升级思路：从展示到落地

目前默认的app.py只负责把识别结果显示在网页上。我们要做的，是在用户点击“开始转写”后，不仅显示结果，还能自动生成两个文件：

• output.txt：纯文本格式，适合直接阅读或导入 Word
• output.json：包含完整信息（原始音频名、识别时间、文本内容等），便于程序调用

这样就实现了“识别 + 输出”的闭环，真正把 AI 工具变成生产力工具。

2.1 新增功能点拆解

我们不会改动模型本身，只是在推理完成后加几步“保存动作”，非常安全且易于维护。

3. 修改后的完整代码实现

下面是你需要替换掉原app.py的新版脚本。我已经加上了清晰注释，每一部分做什么都说清楚了。

# app.py - 支持结果导出的增强版 import gradio as gr from funasr import AutoModel import os import json from datetime import datetime # 加载模型 model_id = "iic/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch" model = AutoModel( model=model_id, model_revision="v2.0.4", device="cuda:0" ) # 定义保存目录 OUTPUT_DIR = "/root/workspace/output" os.makedirs(OUTPUT_DIR, exist_ok=True) def asr_process_with_export(audio_path): if audio_path is None: return "请先上传音频文件", None, None # 推理识别 res = model.generate(input=audio_path, batch_size_s=300) if len(res) > 0: text = res[0]['text'] else: return "识别失败，请检查音频格式", None, None # 获取音频文件名（不含路径） audio_filename = os.path.basename(audio_path) base_name = os.path.splitext(audio_filename)[0] # 生成时间戳 timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") # 构建输出文件名 txt_file = os.path.join(OUTPUT_DIR, f"{base_name}_transcript.txt") json_file = os.path.join(OUTPUT_DIR, f"{base_name}_result.json") # 写入 TXT 文件 with open(txt_file, 'w', encoding='utf-8') as f: f.write(text) # 写入 JSON 文件（带元信息） result_data = { "audio_file": audio_filename, "transcript": text, "duration_seconds": res[0].get("duration", "unknown"), "sample_rate": res[0].get("sample_rate", "16000"), "language": "zh-cn", "generated_at": timestamp } with open(json_file, 'w', encoding='utf-8') as f: json.dump(result_data, f, ensure_ascii=False, indent=2) # 返回识别结果 + 两个可下载的文件路径 return text, txt_file, json_file # 构建界面 with gr.Blocks(title="Paraformer 语音转文字控制台") as demo: gr.Markdown("# 🎤 Paraformer 离线语音识别转写") gr.Markdown("支持长音频上传，自动添加标点符号和端点检测，并可导出 TXT/JSON 文件。") with gr.Row(): with gr.Column(): audio_input = gr.Audio(type="filepath", label="上传音频或直接录音") submit_btn = gr.Button("开始转写", variant="primary") with gr.Column(): text_output = gr.Textbox(label="识别结果", lines=10) gr.Markdown("### 下载识别结果") txt_output = gr.File(label="TXT 文件下载") json_output = gr.File(label="JSON 文件下载") # 绑定按钮事件 submit_btn.click( fn=asr_process_with_export, inputs=audio_input, outputs=[text_output, txt_output, json_output] ) # 启动服务 demo.launch(server_name="0.0.0.0", server_port=6006)

3.1 关键修改说明

• 新增 OUTPUT_DIR：所有导出文件统一放在/root/workspace/output目录下，避免混乱
• 文件名智能生成：基于原音频名 +_transcript.txt/_result.json，防止覆盖
• JSON 包含元数据：不只是文字，还包括时间、语言、音频信息，方便后期管理
• Gradio File 组件：用户可以直接点击下载生成的文件

4. 如何部署与验证效果

4.1 替换脚本并重启服务

1. 登录你的实例终端
2. 编辑新脚本：

vim /root/workspace/app.py

3. 粘贴上面的完整代码，保存退出（:wq）
4. 确保 output 目录存在：

mkdir -p /root/workspace/output

5. 启动服务：

source /opt/miniconda3/bin/activate torch25 && cd /root/workspace && python app.py

4.2 测试流程演示

1. 打开本地浏览器访问http://127.0.0.1:6006

2. 上传一个.wav或.mp3音频文件（建议先用小文件测试）

3. 点击“开始转写”

4. 等待几秒后：

   • 文字出现在上方文本框
   • 下方出现两个可下载按钮：“TXT 文件下载”和“JSON 文件下载”

5. 分别点击下载，查看内容是否正确

示例输出文件内容

meeting_01_transcript.txt：

今天召开了项目进度会议，主要讨论了下一阶段的功能开发安排。前端团队将在下周完成登录模块重构，后端预计周三前提供新的 API 接口文档。

meeting_01_result.json：

{ "audio_file": "meeting_01.wav", "transcript": "今天召开了项目进度会议...", "duration_seconds": 187.5, "sample_rate": "16000", "language": "zh-cn", "generated_at": "20250405_142310" }

5. 进阶技巧与实用建议

5.1 批量处理多个音频文件？

虽然 Gradio 是单文件交互式界面，但你可以写个批处理脚本，在后台自动跑一堆音频。

示例脚本batch_asr.py：

import os from funasr import AutoModel model = AutoModel(model="iic/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch") audio_dir = "/root/workspace/audio_files" output_dir = "/root/workspace/batch_output" for file in os.listdir(audio_dir): if file.endswith(('.wav', '.mp3')): path = os.path.join(audio_dir, file) res = model.generate(input=path) text = res[0]['text'] if res else "" with open(os.path.join(output_dir, f"{os.path.splitext(file)[0]}.txt"), 'w') as f: f.write(text)

5.2 如何让导出更规范？

可以加入这些优化：

• 文件名中加入日期前缀：20250405_meeting_summary.txt
• 设置最大文件数量限制，定期清理旧文件
• 添加语音时长过滤，跳过太短的无效录音

5.3 注意事项提醒

• 磁盘空间：长时间录音转写会产生大量文本，记得定期清理/output目录
• 编码问题：务必使用encoding='utf-8'，否则中文可能乱码
• 路径权限：确保/root/workspace/output有写入权限，否则会报错
• GPU 利用率：4090D 上识别速度很快，但如果并发太多请求可能会卡顿

6. 总结：让语音识别真正为你所用

通过这篇教程，你应该已经成功把一个“只能看”的语音识别工具，变成了一个“能存、能用、能集成”的实用系统。

核心收获回顾：

• 学会了如何在 Paraformer-large 的 Gradio 界面中增加文件导出功能
• 掌握了 TXT 和 JSON 两种主流格式的生成方法
• 理解了如何组织输出结构，便于后期管理和程序调用
• 获得了可直接运行的完整代码模板

现在你可以：

• 把会议录音自动转成纪要文档
• 将课程音频转为学习笔记
• 批量处理客户访谈并归档
• 搭建自己的语音资料库

这才是 AI 工具该有的样子——不只是炫技，而是实实在在帮你省时间、提效率。

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。