StructuredTranscriptJSON（结构化转录 JSON）

Definition

Structured Transcript JSON 是转录管道输出的稳定 Schema JSON 格式，包含分段时间戳、说话人标签、置信度分数、完整文本和元数据。设计原则：添加字段，永不删除或重命名——下游消费者（CMS、LLM Agent、CI 工具）依赖 Schema 稳定性。

Schema Design

{
  "schema_version": "1.0",
  "metadata": {
    "source_file": "...",
    "duration": 3600.5,
    "language": "en",
    "transcription_date": "2026-05-02"
  },
  "segments": [
    {
      "index": 0,
      "start": 0.0,
      "end": 5.2,
      "duration": 5.2,
      "speaker": "SPEAKER_00",
      "text": "Hello, welcome to the meeting.",
      "confidence": -0.31
    }
  ],
  "full_text": "Hello, welcome to the meeting...",
  "speakers": ["SPEAKER_00", "SPEAKER_01"],
  "total_duration": 3600.5
}

Schema Versioning Rules

向后兼容：新增字段是安全的（消费者忽略未知字段）
破坏性变更：删除/重命名字段 = 破坏所有消费者 = 必须 major 版本升级
版本声明：每个文档必须包含 schema_version 字段

Output Format Variants

格式	用途	包含内容
JSON	LLM Agent、CMS API	全量结构（含时间戳、说话人、置信度）
SRT	字幕文件、视频嵌入	时间戳 + 说话人前缀 + 文本
VTT	Web 字幕	时间戳 + 说话人前缀 + 文本（WebVTT 格式）
TXT	快速查阅	纯文本，无元数据

Downstream Consumers

LangChain / CrewAI：JSON 作为 Document 或 Conversation 输入
CMS（Drupal/WordPress）：JSON 存储为 field_transcript_json，full_text 存储为正文
GitHub Actions：JSON 作为 CI artifact，触发后续处理流水线
LLMHandoff：将 JSON 中的 segments 格式化为带时间戳的文本行用于 LLM 摘要/问答

PIIRedaction — 输出前的 PII 脱敏
SpeakerDiarization — speaker 字段的数据来源
LLMHandoff — 消费 Structured JSON 的标准接口

engineering-voice-ai-integration-engineer

2.3 KiB Raw Blame History Unescape Escape

StructuredTranscriptJSON（结构化转录 JSON）

Definition

Schema Design

Schema Versioning Rules

Output Format Variants

Downstream Consumers

Related Concepts

Related Sources

2.3 KiB

Raw Blame History