chinese_text_normalization

收录理由

中文语音识别和语音合成做到一定阶段，总会撞上原始转写文本与词典、下游系统所期望的干净文本之间的落差。这个项目直接补上这一环，提供一个开箱即用的规范化模块：把数字、日期、分数、金额、百分比、电话号码等转成对应的中文读法，同时支持中英文标点去除。它既能读纯文本，也能读Kaldi归档和TSV文件，因此可以轻松嵌入现有的Kaldi风格处理流程，几乎不需要额外配置。规范化规则基于可编辑的规则表，当你想追查某条语句为何被改写成这样时，规则的可追溯性会很有帮助。如果你想要一个能直接上手的中文文本规范化起点，而不是一个泛泛的NLP工具包，这个项目是相当完整且自洽的参考实现。