Paraformer-large Gradio集成指南：添加下载按钮导出TXT结果-平芜编程栈

Paraformer-large Gradio集成指南：添加下载按钮导出TXT结果

1. 背景与目标

随着语音识别技术在会议记录、访谈转写、教育辅助等场景中的广泛应用，用户不仅希望获得高精度的文本输出，还期望能够便捷地保存和分享识别结果。Paraformer-large 是由阿里达摩院开源的一款高性能非自回归语音识别模型，结合 FunASR 框架可实现工业级的离线语音转文字能力。

当前大多数 Gradio 可视化界面仅支持展示识别结果，缺乏将文本导出为本地文件的功能。本文旨在扩展原始 Paraformer-large + Gradio 应用，在现有 Web 界面中新增“下载 TXT”功能，使用户可以一键将识别结果保存为.txt文件，提升使用体验和实用性。

本教程适用于已部署 Paraformer-large 模型并运行 Gradio 服务的环境，重点解决“结果导出”这一关键交互闭环。

2. 功能扩展设计思路

2.1 核心需求分析

原始应用流程如下： 1. 用户上传音频 2. 后端调用 Paraformer-large 进行 ASR 推理 3. 返回识别文本至gr.Textbox

新增功能需满足： - 识别完成后生成纯文本.txt文件 - 提供显式下载按钮 - 下载内容与显示文本一致 - 支持中文字符编码（UTF-8） - 不影响原有识别性能

2.2 技术选型与实现路径

Gradio 原生支持gr.File组件用于文件下载。我们可以通过以下方式实现：

在推理函数中同步生成临时.txt文件
将文件路径作为gr.File的输入返回
利用submit_btn.click()多输出机制同时更新文本框和文件链接

该方案无需额外依赖，完全基于 Gradio 内建能力，工程成本低且稳定性高。

3. 完整代码实现

3.1 修改后的 app.py 全量代码

import gradio as gr from funasr import AutoModel import os import tempfile # 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" ) def asr_process(audio_path): if audio_path is None: return "请先上传音频文件", None # 执行语音识别 res = model.generate( input=audio_path, batch_size_s=300, ) # 提取识别文本 if len(res) > 0: text = res[0]['text'] else: text = "识别失败，请检查音频格式" # 创建临时 txt 文件 temp_dir = tempfile.mkdtemp() output_path = os.path.join(temp_dir, "transcription.txt") with open(output_path, "w", encoding="utf-8") as f: f.write(text) return text, output_path # 构建增强型 Web 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，并可导出文本结果。") 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=15) file_output = gr.File(label="下载识别结果 (TXT)", interactive=False) # 绑定事件：点击按钮后同时输出文本和文件 submit_btn.click( fn=asr_process, inputs=audio_input, outputs=[text_output, file_output] ) # 启动服务 demo.launch(server_name="0.0.0.0", server_port=6006)

3.2 关键修改点解析

原始功能	扩展功能	说明
`outputs=text_output`	`outputs=[text_output, file_output]`	支持多输出
无文件生成	使用`tempfile.mkdtemp()`创建临时目录	避免路径冲突
仅返回字符串	返回`(text, output_path)`元组	符合 Gradio 文件组件要求
无下载入口	新增`gr.File(interactive=False)`	显示为可点击下载链接

3.3 编码与兼容性处理

UTF-8 编码写入：确保中文标点和字符正确保存
临时目录管理：使用系统级临时目录，避免权限问题
文件名固定为transcription.txt：便于用户识别内容来源
interactive=False：防止用户误操作上传文件

4. 部署与访问说明

4.1 服务启动步骤

将上述app.py保存至工作目录（如/root/workspace/app.py）

vim /root/workspace/app.py

确保 Conda 环境激活命令正确：

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

注意：请确认torch25环境中已安装funasr>=1.0.0和gradio>=4.0.0

4.2 本地访问配置

由于云平台限制，需通过 SSH 隧道映射端口：

ssh -L 6006:127.0.0.1:6006 -p [SSH端口] root@[实例IP]

连接成功后，在本地浏览器打开：

👉http://127.0.0.1:6006

4.3 使用流程演示

上传一段.wav或.mp3音频文件
点击【开始转写】
等待识别完成，文本自动填充
点击下方【下载识别结果 (TXT)】按钮即可保存

5. 常见问题与优化建议

5.1 常见问题排查

问题现象	可能原因	解决方案
下载按钮无反应	返回路径无效	检查`output_path`是否真实存在
中文乱码	编码未指定	确保`open(..., encoding="utf-8")`
文件无法生成	权限不足	检查`/tmp`目录写权限
多次识别覆盖文件	未隔离临时空间	`tempfile.mkdtemp()`已解决此问题