CAM++输出目录结构解析：result.json读取方法详解

CAM++输出目录结构解析：result.json读取方法详解

1. 系统背景与功能概述

CAM++ 是一个基于深度学习的说话人识别系统，由开发者“科哥”构建并提供 WebUI 二次开发界面。该系统主要用于实现说话人验证（Speaker Verification）和声纹特征提取（Embedding Extraction）两大核心功能。

系统基于达摩院开源的speech_campplus_sv_zh-cn_16k-common模型，采用 Context-Aware Masking++ 架构，在中文语音数据上表现优异，具备高精度、低延迟的特点。其主要应用场景包括身份认证、声纹数据库建设、语音聚类分析等。

系统通过 Gradio 提供可视化交互界面，用户可通过浏览器访问本地服务（默认端口7860），上传音频文件或直接录音完成操作。所有处理结果均以结构化方式保存至outputs目录中，便于后续程序调用与分析。

2. 输出目录结构详解

2.1 整体目录组织逻辑

每次执行“说话人验证”或“特征提取”任务时，系统会自动生成一个带有时间戳的子目录，确保输出文件不会被覆盖。这种设计特别适用于批量处理或多轮实验场景。

outputs/ └── outputs_20260104223645/ # 时间戳命名目录 ├── result.json # 验证结果元信息 └── embeddings/ # 存放 .npy 格式的 Embedding 文件 ├── audio1.npy └── audio2.npy

• 根目录：outputs/
  所有输出统一存放于此，避免分散在项目各处。

• 时间戳子目录：如outputs_20260104223645
  命名格式为outputs_YYYYMMDDHHMMSS，精确到秒级，保证唯一性。

• result.json：仅在“说话人验证”任务中生成
  记录相似度分数、判定结果、阈值等关键判断依据。

• embeddings/：可选目录
  当勾选“保存 Embedding 向量”后，系统将每个音频的 192 维特征向量以.npy格式存入此目录，文件名为原始音频名（去除扩展名）。

2.2 result.json 文件结构解析

result.json是系统进行说话人比对后的核心输出文件，采用标准 JSON 格式存储，便于程序自动化读取与集成。

{ "相似度分数": "0.8523", "判定结果": "是同一人", "使用阈值": "0.31", "输出包含 Embedding": "是" }

字段说明：

注意：尽管字段值为字符串类型，但在实际解析时应转换为对应的数据类型（如 float）以便参与计算。

2.3 embeddings/ 目录与 .npy 文件格式

当启用“保存 Embedding 向量”选项后，系统会在embeddings/子目录下生成 NumPy 数组文件（.npy），每个文件对应一段输入音频的 192 维特征向量。

文件特点：

• 格式：NumPy.npy二进制格式
• 维度：一维数组(192,)
• 数据类型：通常为float32
• 命名规则：保留原始文件名（不含路径），替换扩展名为.npy

例如： - 输入音频：speaker1_a.wav- 输出文件：embeddings/speaker1_a.npy

Python 加载示例：

import numpy as np # 加载单个 Embedding emb = np.load('outputs/outputs_20260104223645/embeddings/speaker1_a.npy') print(emb.shape) # 输出: (192,) print(emb.dtype) # 输出: float32

这些向量可用于： - 跨批次的相似度比对 - 构建声纹注册库（Template Database） - 进行聚类分析或可视化（如 t-SNE）

3. result.json 的读取与解析实践

3.1 使用 Python 读取 JSON 结果

由于result.json是文本格式的标准 JSON 文件，推荐使用 Python 内置的json模块进行安全解析。

import json import os def read_verification_result(result_path): """ 读取 result.json 并返回结构化字典 """ if not os.path.exists(result_path): raise FileNotFoundError(f"结果文件不存在: {result_path}") with open(result_path, 'r', encoding='utf-8') as f: data = json.load(f) # 类型转换 parsed = { "similarity_score": float(data["相似度分数"]), "decision": data["判定结果"], "threshold_used": float(data["使用阈值"]), "has_embedding": data["输出包含 Embedding"] == "是" } return parsed # 示例调用 result_file = "outputs/outputs_20260104223645/result.json" result = read_verification_result(result_file) print(f"相似度: {result['similarity_score']:.4f}") print(f"是否为同一人: {result['decision']}") print(f"使用阈值: {result['threshold_used']}") if result['has_embedding']: print("✅ 已保存 Embedding 向量") else: print("⚠️ 未保存 Embedding 向量")

3.2 自动遍历多个输出目录

若需批量分析历史验证记录，可编写脚本自动扫描outputs/下的所有时间戳目录，并提取result.json数据。

import glob import pandas as pd def collect_all_results(output_root="outputs"): """ 收集所有 result.json 文件内容，生成汇总 DataFrame """ json_files = sorted(glob.glob(os.path.join(output_root, "outputs_*/result.json"))) records = [] for json_file in json_files: try: result = read_verification_result(json_file) # 提取目录名作为 ID session_id = os.path.basename(os.path.dirname(json_file)) records.append({ "session_id": session_id, "similarity": result["similarity_score"], "decision": result["decision"], "threshold": result["threshold_used"], "has_emb": result["has_embedding"] }) except Exception as e: print(f"读取失败: {json_file}, 错误: {e}") return pd.DataFrame(records) # 使用示例 df = collect_all_results() print(df.head())

该方法可用于： - 性能统计（准确率、召回率） - 阈值敏感性分析 - 日志审计与追溯

3.3 结合 Embedding 进行二次验证

即使系统已给出判定结果，也可通过加载.npy文件自行重新计算相似度，用于交叉验证或调试。

import numpy as np def cosine_similarity(emb1, emb2): """ 计算两个向量的余弦相似度 """ norm1 = np.linalg.norm(emb1) norm2 = np.linalg.norm(emb2) if norm1 == 0 or norm2 == 0: return 0.0 return np.dot(emb1, emb2) / (norm1 * norm2) # 加载两个 Embedding emb1 = np.load('outputs/outputs_20260104223645/embeddings/audio1.npy') emb2 = np.load('outputs/outputs_20260104223645/embeddings/audio2.npy') # 重新计算相似度 sim = cosine_similarity(emb1, emb2) print(f"重新计算的相似度: {sim:.4f}") # 对比 result.json 中的结果 # 可用于验证系统一致性或排查异常

4. 最佳实践与工程建议

4.1 文件管理策略

为提升可维护性，建议在生产环境中增加以下机制：

• 日志归档：定期将旧的outputs/xxx目录压缩归档，防止磁盘占用过大
• 元数据索引表：建立 SQLite 或 CSV 表格，记录每次任务的时间、音频来源、用途、标签等信息
• 软链接标记重要结果：对关键测试案例创建符号链接，方便快速访问

ln -s outputs/outputs_20260104223645 test_case_positive_match

4.2 安全与版权注意事项

根据文档声明，本系统虽承诺永久开源使用，但必须保留开发者“科哥”的版权信息。因此在二次开发或部署时应注意：

• 不得移除 WebUI 页面中的开发者署名
• 分发修改版本时需明确标注原作者
• 商业用途前建议联系作者确认授权范围

4.3 性能优化建议

• 音频预处理：在送入系统前统一转码为 16kHz WAV，避免格式兼容问题
• 缓存 Embedding：对于重复使用的参考音频（如注册用户声纹），可预先提取并缓存.npy文件，减少重复计算
• 异步处理队列：在高并发场景下，可通过 Flask/FastAPI 封装接口，结合 Celery 实现异步任务调度

5. 总结

本文深入解析了 CAM++ 说话人识别系统的输出目录结构，重点讲解了result.json文件的字段含义及其程序化读取方法。通过对 JSON 元数据与.npy特征文件的联合使用，开发者可以实现：

• 自动化结果采集与报表生成
• 声纹数据库的构建与维护
• 多轮实验的数据对比与调优

同时，文章提供了完整的 Python 示例代码，涵盖文件读取、批量处理、相似度重算等实用功能，帮助用户将 CAM++ 更好地集成到实际工程项目中。

掌握输出结构的解析能力，是将原型工具转化为工业级应用的关键一步。

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。