一镜数字人批量导入仅支持UTF-8无BOM的TXT（单字段每行一条）和CSV（仅content、metadata两列），需规避BOM、隐藏字符、换行错位及引号转义问题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
百度一镜数字人批量导入文案时，常因文件格式不规范导致报错、内容截断或字段错位，尤其是中文文案出现乱码、换行丢失、引号解析异常等问题。必须严格按平台要求组织文本结构，否则系统直接拒绝导入。
确认文件类型与基础限制
一镜数字人仅支持 UTF-8编码的纯文本文件（.txt）和CSV文件（.csv），不接受Excel、Word或其他富文本格式。TXT文件仅允许单字段纯文本，每行一条文案；CSV文件则必须包含且仅包含两列：第一列为“content”，第二列为“metadata”（可为空）。任何多余列、空行、BOM头、隐藏字符都会触发校验失败。
注意：CSV文件若含逗号、双引号、换行符，必须用英文双引号包裹该字段，并对内部双引号做转义（如"他说""你好""" → "他说""你好""）。
整理TXT文件：单字段纯文本规范
第一步：用记事本或Notepad++打开原始文案文件，删除所有空行、首尾空格、制表符、全角空格。
第二步：确保每行只有一条完整文案，禁止在行内使用回车换行——如需段落分隔，请用“\n”字符串代替实际换行（例如：“欢迎光临\n点击查看详情”），一镜会自动识别并渲染为换行效果。
第三步：保存为UTF-8无BOM格式。在Notepad++中操作路径为：编码 → 转为UTF-8无BOM → 文件 → 另存为 → 选择“UTF-8”编码（非“UTF-8-BOM”）→ 保存。若用Windows记事本，默认保存带BOM，务必改用专业编辑器。
构建CSV文件：两列强制结构
方法一：Excel手动构建（新手适用但易踩坑）
① 新建空白Excel表格，第一行输入两个单元格：【content】（小写，不可拼错）、【metadata】（可选，留空亦可）。
② 从第二行起，在“content”列逐行填入文案，每条独立一行；“metadata”列可填写JSON格式键值对（如{"scene":"开场问候"}），不含metadata则整列留空，但列必须存在。
调用百度文档解析API，支持18+格式，提取文本、表格、版面分析、OCR识别及RAG文档分块。适用于文档解析、文本/表格提取、结构分析、扫描件处理。触发词：文档解析、PDF解析、Word解析、表格提取、OCR、文档分析、提取文本、文档结构、扫描识别。
③ 全选数据区域 → 数据 → 分列 → 选择“分隔符号” → 取消勾选所有分隔符 → 完成 → 防止Excel误将中文逗号识别为字段分隔符。
④ 文件 → 另存为 → 保存类型选“CSV（逗号分隔）(*.csv)” → 编码必须选“UTF-8”（Office 365及2021版支持；老版本需用Notepad++二次转码）。
方法二：Python快速生成（推荐用于百条以上文案）
运行以下脚本即可生成合规CSV：
import pandas as pd
data = [{"content": "今天天气真好", "metadata": '{"role":"主播"}'}, {"content": "欢迎订阅我们的频道", "metadata": ""}]
df = pd.DataFrame(data)
df.to_csv("script.csv", index=False, encoding="utf-8")
这一步操作起来很简单，直接把生成的CSV拖进一镜后台即可，但必须确认pandas默认encoding="utf-8"未被覆盖——若导出后仍乱码，说明环境默认编码非UTF-8，需显式指定encoding参数。
验证与上传前必检项
打开CSV或TXT文件，用十六进制编辑器（如HxD）或Notepad++的“显示所有字符”功能检查：无0xEF 0xBB 0xBF字节（即无BOM头）；无0x00（NULL字符）；无0x0D 0x0A混用（Windows换行应统一为0x0D 0x0A，Linux为0x0A，一镜兼容两者，但禁止混用）。
上传前，在一镜后台选择文件后，页面会实时校验前10行。若提示“字段数量不匹配”或“编码错误”，立即返回检查列数是否为2（CSV）或是否存在不可见控制字符（TXT）。
上传时，勾选“启用智能清洗”选项——该功能会自动过滤连续空格、折叠全角标点、移除不可见Unicode控制符（如U+200B零宽空格），但不会修复编码错误或列结构错误，仅作为辅助手段。
