中文ITN实战手册：FST ITN-ZH从入门到精通-编程阁

中文ITN实战手册：FST ITN-ZH从入门到精通

1. 简介与背景

中文逆文本标准化（Inverse Text Normalization, ITN）是语音识别系统中不可或缺的一环。在自动语音识别（ASR）输出的文本中，常常包含大量口语化、非标准表达形式，例如“一百二十三”、“早上八点半”等。为了便于后续自然语言处理任务或结构化数据提取，需要将这些表达转换为统一的标准格式。

FST ITN-ZH 是一个基于有限状态转导器（Finite State Transducer, FST）架构实现的中文逆文本标准化工具，能够高效准确地完成数字、时间、日期、货币、度量单位等多种语义类别的标准化转换。本项目由开发者“科哥”进行 WebUI 二次开发，提供了直观易用的图形界面，极大降低了使用门槛。

该系统支持多种中文数字表达方式：

简体小写：一、二、三
大写汉字：壹、贰、叁
口语变体：幺（一）、两（二）

其核心优势在于高精度规则引擎与灵活可配置参数相结合，适用于智能客服、语音助手、会议纪要生成等多个实际场景。

2. 系统部署与启动

2.1 运行环境准备

本系统基于 Python 构建，依赖若干 NLP 和 FST 相关库。推荐运行环境如下：

操作系统：Linux（Ubuntu/CentOS）
Python 版本：3.8+
内存要求：≥4GB
硬件建议：普通 CPU 即可满足实时推理需求

确保已安装gradio用于 WebUI 展示，并正确配置 FST 模型路径。

2.2 启动与重启指令

通过以下命令启动或重启服务：

/bin/bash /root/run.sh

此脚本通常包含以下逻辑：

激活虚拟环境（如适用）
加载 FST 模型文件
启动 Gradio Web 服务
绑定端口 7860

服务成功启动后，可通过浏览器访问主界面。

3. 核心功能详解

3.1 功能一：单文本转换

使用流程

打开浏览器，访问http://<服务器IP>:7860
切换至「📝 文本转换」标签页
在输入框中键入待转换文本
点击「开始转换」按钮
查看输出结果并进行复制或保存

示例演示

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

该功能适合对少量关键语句进行快速验证和调试。

3.2 功能二：批量文本转换

应用场景

当面对成百上千条语音识别结果时，手动逐条处理效率低下。批量转换功能允许用户上传.txt文件，每行一条原始文本，系统自动完成全部转换并生成结果文件供下载。

操作步骤

准备纯文本文件，每行一个句子
进入「📦 批量转换」页面
点击「上传文件」选择本地.txt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」获取标准化后的文本

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

输出结果将保持相同行数顺序，便于对照分析。

4. 高级设置与参数调优

系统提供多项可调节参数，以适应不同业务需求和风格偏好。

4.1 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

说明：控制是否将作为独立词出现的中文数字转换为阿拉伯数字。若上下文强调语义完整性而非数值表示，建议关闭。

4.2 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

说明：影响单个数字字符的转换行为。在代码、编号等特殊语境下可能需保留原样。

4.3 完全转换“万”

开启状态：六百万→6000000
关闭状态：六百万→600万

说明：决定是否展开“万”单位。金融报表等需精确数值的场景建议开启；日常交流中保留“万”更符合阅读习惯。

5. 支持的转换类型详述

5.1 日期标准化

将中文年月日表达转换为 ISO 兼容格式。

输入: 二零一九年九月十二日 输出: 2019年09月12日 输入: 廿三年腊月初八 输出: 2023年01月19日（需模型支持农历解析）

支持全数字补零，确保字段对齐。

5.2 时间表达归一化

区分上午/下午，统一为 12 小时制带 a.m./p.m. 标记。

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.

也可扩展支持 24 小时制输出模式（需配置选项）。

5.3 数值转换

涵盖整数、小数、大数单位（万、亿）的完整映射。

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

结合“完全转换‘万’”开关，实现粒度可控。

5.4 货币符号化

自动识别币种并添加对应货币符号。

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

当前主要支持人民币、美元、欧元三种常见货币。

5.5 分数与比例

将“X分之Y”结构转换为数学分数形式。

输入: 五分之一 输出: 1/5 输入: 三分之二 输出: 2/3

可用于教育、科技文档处理场景。

5.6 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

支持常见长度、重量、体积单位缩写。

5.7 数学符号处理

处理正负号、零值等抽象数学概念。

输入: 负二 输出: -2 输入: 正五点五 输出: +5.5

增强科学计算类文本的可读性。

5.8 车牌号码规范化

专用于车辆牌照识别后处理。

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

保留地区编码不变，仅替换数字部分。

6. 实际应用技巧

6.1 长文本多类型混合处理

系统具备上下文感知能力，可在同一段落中识别并转换多种类型实体。

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。

适用于会议记录、访谈转录等复杂文本场景。

6.2 批量数据预处理最佳实践

对于大规模语音转写结果的清洗任务，推荐以下工作流：

将 ASR 输出按句切分，每行一句
使用批量转换功能一次性处理
下载结果后进行去重、校验、入库操作
对异常条目人工复核并反馈优化模型

可显著提升数据处理效率。

6.3 结果持久化与追溯

点击「保存到文件」按钮可将当前转换结果写入服务器指定目录，文件名包含时间戳，如：

itn_result_20250405_142316.txt

便于版本管理和审计追踪。

7. 常见问题与解决方案

7.1 转换结果不准确

可能原因：

输入文本存在歧义或非常规表达
高级设置未匹配应用场景

解决方法：

检查输入是否符合普通话规范
调整“高级设置”中的开关组合
提交错误案例给开发者用于模型迭代

7.2 是否支持方言？

目前系统专注于标准普通话表达体系，暂不支持粤语、闽南语等地域性发音对应的书面表达。但支持以下常见变体：

类型	支持情况
幺（一）	✅ 支持
两（二）	✅ 支持
廿（二十）	⚠️ 部分支持
农历日期	⚠️ 依赖外部模块

未来可通过定制规则集拓展方言适配能力。

7.3 性能表现如何？

首次加载延迟：约 3–5 秒（模型初始化）
后续响应速度：平均 <100ms/条
并发能力：Gradio 默认支持轻量级并发，生产环境建议配合反向代理部署

对于极高吞吐需求，可考虑封装为 REST API 服务。

8. 用户界面说明

8.1 主界面布局解析

┌─────────────────────────────────────────┐ │ [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] ... │ └─────────────────────────────────────────┘

界面设计简洁明了，功能分区清晰，适合各类技术水平用户操作。

8.2 操作按钮功能一览

按钮	功能描述
开始转换	触发当前输入内容的标准化处理
清空	清除输入与输出区域内容
复制结果	将输出内容回填至输入框，便于连续编辑
保存到文件	将结果写入服务器日志文件
批量转换	启动文件上传与批处理流程

9. 技术支持与版权声明

9.1 获取帮助

如在使用过程中遇到问题或有功能建议，请联系：

微信: 312088415
开发者: 科哥

欢迎提交 Bug 报告及改进建议，共同推动项目发展。

9.2 开源许可与版权要求

本项目遵循 Apache License 2.0 开源协议，允许自由使用、修改和分发。

重要声明：

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！

10. 总结

FST ITN-ZH 是一款功能完备、易于使用的中文逆文本标准化工具，凭借其基于有限状态机的高效规则引擎，在准确性与性能之间取得了良好平衡。通过科哥开发的 WebUI 界面，即使是非技术人员也能轻松上手，快速完成语音识别结果的后处理任务。

本文全面介绍了系统的部署方式、核心功能、高级配置、典型应用场景及常见问题应对策略，旨在帮助用户从入门走向精通。无论是个人学习、科研实验还是企业级应用集成，FST ITN-ZH 都是一个值得信赖的选择。

未来可进一步探索方向包括：

更丰富的方言支持
自定义规则插件机制
多语言混合 ITN 能力
与主流 ASR 系统深度集成

持续关注更新，解锁更多潜力！

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。