项目预览
项目数据
项目介绍
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
环境要求
- Python 3.10
- conda
安装与启动步骤
-
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装发布版
只想用就装发布版,最省事。
pip install nemo_text_processing -
3改规则才走源码装
源码装先补编译依赖。
pip install Cython -
4跑一条规范化
把带数字与符号的句子喂进去看输出。
-
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
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.
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
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···
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···
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
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···
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···
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.
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
