当前位置：首页 > news >正文

FST ITN-ZH中文逆文本标准化系统使用手册

news 2026/7/28 22:55:11

FST ITN-ZH中文逆文本标准化系统使用手册

1. 简介

欢迎使用FST ITN-ZH 中文逆文本标准化 (ITN)系统！

本工具基于有限状态转导器（Finite State Transducer, FST）技术，专为中文语音识别后处理设计，能够将口语化、非结构化的中文表达自动转换为标准化的书面格式。该系统由科哥进行WebUI二次开发，提供直观易用的操作界面。

逆文本标准化（Inverse Text Normalization, ITN）是语音识别流水线中的关键环节，负责将ASR模型输出的“可读”文本（如“二零零八年八月八日”）还原为“标准”形式（如“2008年08月08日”），便于后续的信息提取、数据存储与分析。

1.1 核心功能

支持多种中文数字表达的标准化转换
提供图形化Web界面，操作简单直观
支持单条文本实时转换与批量文件处理
可配置转换规则，满足不同场景需求

1.2 典型应用场景

语音助手输出后处理
智能客服对话记录清洗
医疗/金融领域口述内容结构化
教育录音转写结果规范化

2. 系统部署与启动

2.1 启动或重启应用

若服务未运行或需更新配置，请执行以下命令：

/bin/bash /root/run.sh

该脚本将自动拉起Web服务并加载最新模型参数。

2.2 访问地址

服务启动成功后，在浏览器中访问：

http://<服务器IP>:7860

默认端口为7860，请确保防火墙已开放对应端口。

2.3 运行界面截图

3. 功能模块详解

3.1 文本转换（单条处理）

适用于少量文本的快速测试与验证。

使用步骤：

打开Web页面，进入「📝 文本转换」标签页
在左侧输入框中键入待转换文本
点击「开始转换」按钮
查看右侧输出框中的标准化结果

示例演示：

输入: 二零零八年八月八日早上八点半 点击: [开始转换] 输出: 2008年08月08日 8:30a.m.

此模式适合调试和验证特定表达的转换效果。

3.2 批量转换（文件级处理）

适用于大规模数据的自动化处理任务。

操作流程：

准备一个.txt格式的纯文本文件
每行包含一条独立的待转换语句
切换至「📦 批量转换」标签页
点击「上传文件」选择本地文件
点击「批量转换」触发处理流程
转换完成后，点击「下载结果」获取标准化后的文件

输入文件示例：

二零零八年八月八日 一百二十三 早上八点半 一点二五元 二十五千克 京A一二三四五

输出文件将保持相同行数，每行为对应的标准化结果。

4. 快速示例与预设模板

为提升用户体验，系统内置多个常用示例按钮，点击即可一键填充典型输入。

按钮名称	填充内容
`[日期]`	二零零八年八月八日
`[时间]`	早上八点半
`[数字]`	一百二十三
`[货币]`	一点二五元
`[分数]`	五分之一
`[度量]`	二十五千克
`[数学]`	负二
`[车牌]`	京A一二三四五
`[长文本]`	二零一九年九月十二日的晚上...

这些示例覆盖了主要转换类型，方便用户快速了解系统能力。

5. 高级设置与参数调优

通过「高级设置」面板，用户可自定义转换行为以适应具体业务需求。

5.1 转换独立数字

开启状态：幸运一百→幸运100
关闭状态：幸运一百→幸运一百

控制是否对非计量类的独立中文数字进行转换。例如品牌名、昵称等可能需要保留原样。

5.2 转换单个数字 (0–9)

开启状态：零和九→0和9
关闭状态：零和九→零和九

适用于避免在诗歌、标题等语境中破坏语义连贯性。

5.3 完全转换'万'

开启状态：六百万→6000000
关闭状态：六百万→600万

决定是否展开“万”单位。金融报表通常需完全展开，而日常交流常保留“万”字更清晰。

所有设置修改后即时生效，无需重启服务。

6. 支持的转换类型详述

6.1 日期格式化

将中文年月日表述转换为标准YYYY-MM-DD格式。

输入: 二零一九年九月十二日 输出: 2019年09月12日 输入: 二零零八年五月十二号 输出: 2008年05月12日

支持“年”、“月”、“日/号”的灵活组合。

6.2 时间表达归一化

将口语时间转换为24小时或AM/PM制式。

输入: 早上八点半 输出: 8:30a.m. 输入: 下午三点十五分 输出: 3:15p.m. 输入: 晚上十点整 输出: 10:00p.m.

6.3 数值转换

处理整数、小数、大数等多种数字表达。

输入: 一百二十三 输出: 123 输入: 一千九百八十四 输出: 1984 输入: 三点一四一五九 输出: 3.14159

6.4 货币单位标准化

自动识别币种并添加符号前缀。

输入: 一点二五元 输出: ¥1.25 输入: 一百美元 输出: $100 输入: 五十欧元 输出: €50

6.5 分数与比例

将“几分之几”结构转换为数学分数。

输入: 五分之一 输出: 1/5 输入: 三分之二 输出: 2/3

6.6 度量单位简化

统一物理量表达方式。

输入: 二十五千克 输出: 25kg 输入: 三十公里 输出: 30km 输入: 两米五高 输出: 2.5m高

6.7 数学符号处理

正确解析正负号等数学概念。

输入: 负二 输出: -2 输入: 正五点五 输出: +5.5

6.8 特殊编码转换

如车牌号码中的字母与数字混合处理。

输入: 京A一二三四五 输出: 京A12345 输入: 沪B六七八九零 输出: 沪B67890

7. 实践技巧与最佳建议

7.1 长文本综合处理

系统支持在同一段落内识别并转换多个实体类型。

输入: 这件事发生在二零一九年九月十二日的晚上，大概八点半左右，涉及金额为一万二千元。 输出: 这件事发生在2019年09月12日的晚上，大概8:30左右，涉及金额为12000元。

建议在处理会议纪要、访谈记录时优先使用此特性。

7.2 大规模数据批处理策略

对于超过千条的数据集，推荐采用如下工作流：

将原始数据按1000条/文件拆分
并行上传多个文件进行转换
合并所有结果文件
统一做后处理校验

可显著提高整体处理效率。

7.3 结果持久化保存

点击「保存到文件」按钮可将当前转换结果写入服务器磁盘，文件命名格式为：

itn_result_YYYYMMDD_HHMMSS.txt

便于版本追踪与审计留痕。

8. 常见问题解答（FAQ）

8.1 Q：转换结果不准确怎么办？

A：首先检查输入文本是否存在歧义或非常规表达。其次尝试调整「高级设置」中的开关选项。若问题持续存在，请联系技术支持反馈具体案例。

8.2 Q：是否支持方言或特殊变体？

A：系统主要针对普通话标准表达优化，但兼容以下常见变体：

大写数字：壹、贰、叁、肆
口语化表达：幺（一）、两（二）
缩略说法：刻（十五分）、半（三十分）

不保证对方言区特有说法（如粤语数字）的准确性。

8.3 Q：首次转换为何较慢？

A：系统在首次调用或参数变更后会重新加载FST模型，耗时约3–5秒。后续请求响应速度可达毫秒级。

8.4 Q：版权信息如何保留？

A：本项目承诺永久开源免费使用，但必须保留以下声明：

webUI二次开发 by 科哥 | 微信：312088415 承诺永远开源使用 但是需要保留本人版权信息！

9. 操作按钮功能说明

按钮名称	功能描述
开始转换	触发当前输入文本的标准化处理
清空	清除输入与输出区域的内容
复制结果	将输出内容复制回输入框，用于连续编辑
保存到文件	将结果写入服务器临时文件
批量转换	对上传的TXT文件执行批量处理

10. 界面布局说明

主界面采用简洁清晰的设计风格，主要区域划分如下：

┌─────────────────────────────────────────┐ │ [紫蓝渐变] 中文逆文本标准化 (ITN) │ │ webUI二次开发 by 科哥 │ ├─────────────────────────────────────────┤ │ [📝 文本转换] [📦 批量转换] │ │ │ │ ┌───────────┐ ┌───────────┐ │ │ │ 输入框 │ → │ 输出框 │ │ │ │ │ │ │ │ │ └───────────┘ └───────────┘ │ │ │ │ [开始转换] [清空] [复制] [保存] │ ├─────────────────────────────────────────┤ │ 🎯 快速示例 │ │ [日期] [时间] [数字] [货币] ... │ └─────────────────────────────────────────┘

颜色区分功能区块，操作路径明确，降低用户学习成本。