NeMo-text-processing

把口语文本和书面文本互转,ASR/TTS 预处理少写正则

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 语音识别 🍴 复刻 197 🐛 待处理 25 👀 关注 13
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 518
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,NVIDIA NeMo 组件

项目预览

NeMo-text-processing 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类语音识别
开发团队NVIDIA
定价模式🏷️完全免费
价格说明开源免费,NVIDIA NeMo 组件
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型inverse-text-n,text-normalization
GitHub 星标★ 518
上线时间2022-11-04 00:00:00
代码更新2026-11-13
仓库体积27.6 MB
本站数据更新2026-11-15
维护状态活跃
收录时间2026-10-02
浏览次数5

项目介绍

NeMo-text-processing 是 NVIDIA NeMo 生态中的文本处理工具库,主要解决语音识别(ASR)和语音合成(TTS)流程中的文本规范化与反规范化问题。在 ASR 中,模型输出的口语化文本(如“二零二五年”“三点五美元”)需要转成书面形式(“2025年”“$3.5”);在 TTS 中则相反,需要把数字、缩写、符号等展开成可朗读的文本。项目提供基于规则的模块化处理框架,支持英语、德语、西班牙语、俄语等多种语言,内置日期、时间、货币、度量单位、电子邮箱、URL 等常见类别的转换规则,并允许用户自定义规则和语言。它可与 NeMo 工具链无缝集成,也可独立作为 Python 库使用,帮助开发者减少手工编写正则表达式的重复工作,提升语音数据预处理的效率和一致性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-02 · 当前星标 ★ 518

使用教程

难度:进阶 约 40 分钟 部署方式:本地安装 5 步

环境要求

  • Python 3.10
  • conda

安装与启动步骤

  1. 1建独立环境

    它锁一个较旧的 Python 版本。

    conda create --name nemo_tn python==3.10
  2. 2装发布版

    只想用就装发布版,最省事。

    pip install nemo_text_processing
  3. 3改规则才走源码装

    源码装先补编译依赖。

    pip install Cython
  4. 4跑一条规范化

    把带数字与符号的句子喂进去看输出。

  5. 5换语言再试

    它按语言分规则集,换语言等于换整套规则。

如何确认成功

输入含日期、货币与缩写的句子,输出把这些都正确展开成可直接朗读的文本

注意事项

  • 它做文本规范化与逆规范化,是语音合成与识别流水线里的必备环节。
  • 规则按语言分,换语言不是改参数而是换规则集。
  • 源码装要先补编译依赖,否则编译失败。
  • 规范化结果直接影响合成音质,值得单独调。

核心亮点

  • 内置多语言、多类别的规则集,覆盖日期、货币、度量单位等常见场景,开箱即用
  • 与 NVIDIA NeMo 生态深度集成,同时提供独立 Python API,便于嵌入现有语音流水线
  • 支持自定义规则和语言扩展,规则以模块化方式组织,便于维护和调试

不足之处

  • 规则驱动为主,面对歧义或新领域文本时泛化能力有限,仍需人工补充规则
  • 文档和示例相对偏少,非 NeMo 用户上手成本较高,社区活跃度一般

适用场景

  • ASR 后处理:将识别出的口语化数字、日期、金额转成规范书面文本
  • TTS 前处理:把待合成的文本中的数字、缩写、符号展开成可朗读形式
  • 语音数据集清洗:批量规范化多语言语音转写文本,统一格式用于模型训练

替代项目

WeTextProcessing、kaldialign

上一篇:CrispASR

下一篇:qwen-asr

同类项目推荐

AudioToText 开源

音频一键转写并翻译成目标语言字幕

Transcribe and translate audio to text using Whisper and DeepL.

★ 398 2026-10-12
unmute 开源

给文本 LLM 装上耳朵和嘴巴,秒变语音助手

Make text LLMs listen and speak

★ 1550 2026-09-16
whisply 开源

批量音视频一键转文字、翻译并生成字幕

Fast, cross-platform CLI and GUI for batch transcription, translation, speaker annot···

★ 167 2026-09-24
txtify 开源

自托管把音视频一键转成带时间戳文字

Web application that converts audio and video to text using AI, supporting various f···

★ 136 2026-11-10
OBS-captions-plugin 开源

OBS 直播自动生成实时字幕,静音观众也能看懂

Closed Captioning OBS plugin using Google Speech Recognition

★ 1349 2026-10-01
whisper_dictation 开源

用语音控制电脑和 AI,免打字,隐私本地化。

Private voice keyboard, agent, AI chat, images, webcam, recordings, voice control wi···

★ 295 2026-08-09
megaphone 开源

Mac 上免费离线听写,语音秒变文字,隐私不外泄

Free, private, on-device dictation for Mac, powered by Apple's SpeechAnalyzer and Fo···

★ 181 2026-08-09
deepgram-python-sdk 开源

Python 接入 Deepgram 语音 AI,几行代码实现语音转文字/文字转语音

Official Python SDK for Deepgram.

★ 480 2026-08-09
whisper_android 开源

在安卓手机上离线运行 Whisper,实现即时语音转文字

Offline Speech Recognition with OpenAI Whisper and TensorFlow Lite for Android

★ 693 2026-08-09