接 ASR 和 OCR 出对齐文件｜AI工程师AI场景表格模板

要准备的

关于这件事怎么办

ASR 返回的时间戳和切片边界对不齐怎么处理？

以切片边界为锚点，把跨片的转写按时间戳重分配到所属片，偏差超过阈值的单独列进复核清单，同步保留原始时间戳便于回溯。

多模态样本里图片路径和文本怎么拼才不破坏格式？

按所选规范逐条拼装，图片路径用相对路径并做存在性校验，文本中的换行和引号统一转义，拼完逐条 JSON 解析一遍，解析失败的标进报告。

OCR 结果和音频转写混在一起时按什么顺序对齐？

音频按时间戳对齐到切片，图片按文件名或页码对齐到对应切片，两类来源在样本里用来源字段区分，冲突或缺失的条目单独标记。

接 ASR 和 OCR 出对齐文件需要准备什么？

需要填的是：原件类型、已接接口、上传原件与接口结果、切片方式、单片时长（秒）、对齐偏差阈值（秒）、多模态输入规范、要校验的项。每一项点一下就行，多数不用打字。点「直接办这件事」就开工；没选全也能先办，回头补了随时能改。

能拿到什么成果？

交付形式是表格——平台直接做好表格，能下载成 Excel。在GPT中文网（www.gpt.com.cn）按字段填完即可拿到。文字类成果免费生成，免注册即可试。

什么情况下需要接 ASR 和 OCR 出对齐文件？

手工对时间戳和拼多模态格式，错位难查、格式不兼容到训练时才炸。遇到这种情况，把信息按字段点选一遍，AI 按你点的出成品，不用自己琢磨怎么说。

适合谁用？

做 RAG、Agent、微调和多模态数据准备的大模型/AI 算法工程师。不需要 AI 使用经验，按字段填完即可。