高级阅读时间约 4 分钟更新日期：2026年10月20日

JSON 格式：面向开发者的结构化数据

导出包含文本分段、时间戳、文件信息和说话人信息的 JSON 数据，便于开发和集成。

JSON 会将转写文本导出为结构化数据：完整文本、每个片段及其开始和结束时间、说话人，以及带置信度的逐词时间信息。可用于您自己的脚本、数据分析或自定义工具。JSON 导出适用于所有套餐，包括 Free。

JSON 结构

以下是一份真实导出文件的精简示例（仅显示一个片段和两个词）：

{
  "id": "cmvfviwjf00wnb6hzcwfodyhz",
  "fileName": "Weekly team sync.mp3",
  "text": "Speaker 1: Okay, I think everyone's here. Thanks for jumping on...",
  "language": "en",
  "duration": 145,
  "segments": [
    {
      "id": 1,
      "end": 10.088,
      "text": "Thanks for jumping on.",
      "start": 8.968,
      "speaker": "SPEAKER_00",
      "words": [
        { "end": 9.368, "word": "Thanks", "start": 8.968, "confidence": 0.911 },
        { "end": 9.528, "word": "for", "start": 9.368, "confidence": 0.989 }
      ]
    }
  ],
  "speakerNames": null,
  "createdAt": "2026-10-19T23:16:45.243Z"
}

顶层字段

id：转写文本的唯一标识符
fileName：文件名，与 TranscribeNext 中显示的一致
text：整份转写文本，为一个字符串；开启说话人后，每段发言以说话人名称开头（“Speaker 1: …”）
language：语言代码（en、es、fr 等）；未知时省略
duration：音频时长，以整秒计；未知时省略
segments：带时间信息的片段数组（见下文）
speakerNames：您为说话人设置的名称，例如 {"SPEAKER_00": "Anna"}，或为 null
createdAt：创建时间，ISO 8601 格式（UTC）

片段对象

id：片段编号，从 0 开始
start、end：开始和结束时间，以秒计
text：该片段中说的内容
speaker：说话人 ID，例如“SPEAKER_00”（仅在识别了说话人时提供）
words：每个词及其 start、end 和 0 到 1 之间的 confidence（如有）

实用技巧

时间是未经四舍五入的原始数值，因此可能会看到 7.768000000000001 这样的值。如需显示，请在代码中自行取整。

影响输出的因素

工具栏中的“说话人”复选框：关闭时，text 中没有说话人名称，片段中没有 speaker 字段，speakerNames 为 null
“时间戳”复选框不影响 JSON——片段时间始终包含在内
从“翻译”标签页或“重点分析”结果导出时，文件中是对应的文本，segments 为空数组
如果大量修改导致时间信息与文本不再对应，segments 会被省略

适用场景

自定义数据处理脚本
分析和文本挖掘
构建您自己的字幕工具
导入数据库或搜索索引
找出识别器不确定的词（低置信度）

处理 JSON 数据（JavaScript）

const data = JSON.parse(jsonString);

// 总时长（分钟）
const minutes = Math.floor((data.duration ?? 0) / 60);

// 输出每个片段及其说话人
data.segments.forEach(segment => {
  const who = data.speakerNames?.[segment.speaker] ?? segment.speaker ?? '';
  console.log(`[${segment.start.toFixed(1)}s] ${who} ${segment.text}`);
});

// 识别器不确定的词
const unsure = data.segments
  .flatMap(seg => seg.words ?? [])
  .filter(w => w.confidence < 0.5);

处理 JSON 数据（Python）

import json

with open('transcription.json', encoding='utf-8') as f:
    data = json.load(f)

print(f"File: {data['fileName']}")
print(f"Duration: {data.get('duration', 0)} s")

names = data.get('speakerNames') or {}
for segment in data['segments']:
    who = names.get(segment.get('speaker'), segment.get('speaker', ''))
    print(f"[{segment['start']:.1f}s] {who} {segment['text']}")

重要

由于每个词都附有各自的时间信息，JSON 文件比 TXT 大得多。一小时的录音会生成约 2 MB 的文件。

SRT 时间戳格式：详解 hh:mm:ss,mmm

逐项了解 SubRip 时间戳 hh:mm:ss,mmm --> hh:mm:ss,mmm 的含义、常见格式错误、它与 VTT 和 SBV 的区别，以及如何从 TranscribeNext 导出 SRT。

📥

导出指南：选择合适的格式

了解各种导出格式，以及它们各自适合的使用场景。

⏱️

带时间戳的转写：跳转到录音位置

通过文本分段的时间戳定位录音，搜索文字后跳转收听，并按需导出时间信息。

📄

TXT 格式：纯文本

将转写结果导出为简洁的文本文件，便于在各种文本编辑器和应用中使用。