如何快速上手WeTextProcessing？3分钟掌握文本归一化核心功能

如何快速上手WeTextProcessing？3分钟掌握文本归一化核心功能

【免费下载链接】WeTextProcessingText Normalization & Inverse Text Normalization项目地址: https://gitcode.com/gh_mirrors/we/WeTextProcessing

WeTextProcessing是一款专注于文本归一化（Text Normalization）与逆文本归一化（Inverse Text Normalization）的工具包，能帮助开发者轻松处理文本中的数字、日期、货币等结构化信息。无论是将口语化文本转换为标准化格式，还是将标准化文本还原为自然语言表达，它都能提供高效解决方案。

🌟 核心功能快速了解

文本归一化（TN）：让文本更规范

文本归一化能将非标准化的文本（如"2.5平方电线"）转换为统一格式（如"二点五平方电线"）。它广泛应用于语音识别、自然语言处理等场景，确保文本数据的一致性。

逆文本归一化（ITN）：让机器更懂人类

逆文本归一化则相反，可将标准化文本（如"二点五平方电线"）还原为更符合人类习惯的表达（如"2.5平方电线"），常见于语音合成、智能对话系统中，提升交互自然度。

🚀 3分钟安装与使用指南

1️⃣ 一键安装

通过pip命令快速安装WeTextProcessing：

pip install WeTextProcessing

2️⃣ 命令行快速体验

安装完成后，可直接通过命令行使用核心功能：

• 文本归一化：wetn --text "2.5平方电线"
• 逆文本归一化：weitn --text "二点五平方电线"

3️⃣ Python代码轻松集成

在Python项目中引入WeTextProcessing，实现更灵活的文本处理：

from tn.chinese.normalizer import Normalizer as ZhNormalizer from itn.chinese.inverse_normalizer import InverseNormalizer # 初始化模型 zh_tn_model = ZhNormalizer(remove_erhua=True) zh_itn_model = InverseNormalizer(enable_0_to_9=False) # 处理文本 tn_result = zh_tn_model.normalize("你好 WeTextProcessing 1.0，简直666") itn_result = zh_itn_model.normalize("你好 WeTextProcessing 一点零，简直六六六") print("文本归一化结果：", tn_result) print("逆文本归一化结果：", itn_result)

🛠️ 高级用法与自定义

如果需要根据特定场景修改规则，可通过以下步骤自定义：

1. 克隆项目仓库：git clone https://gitcode.com/gh_mirrors/we/WeTextProcessing
2. 安装依赖：cd WeTextProcessing && pip install -r requirements.txt
3. 修改规则文件，如tn/chinese/rules/目录下的相关规则
4. 重新构建缓存：python -m tn --text "测试文本" --overwrite_cache

📚 更多资源

• 官方文档：docs/python-rule-architecture.md
• TN模块详情：tn/README.md
• ITN模块详情：itn/README.md

通过以上步骤，你已掌握WeTextProcessing的核心使用方法。无论是快速集成到项目中，还是根据需求自定义规则，它都能为你的文本处理任务提供强大支持。现在就动手试试，让文本处理变得更简单高效吧！

【免费下载链接】WeTextProcessingText Normalization & Inverse Text Normalization项目地址: https://gitcode.com/gh_mirrors/we/WeTextProcessing