FST ITN-ZH入门必看：高级设置使用技巧
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ASR（自动语音识别）输出的自然语言文本中，常常包含大量口语化、非结构化的表达形式，例如“一百二十三”、“早上八点半”等。为了便于后续的信息提取、数据处理和结构化分析，需要将这些表达转换为标准格式，如“123”、“8:30a.m.”。
FST ITN-ZH 是基于有限状态转录机（Finite State Transducer, FST）实现的中文ITN工具，具备高精度、低延迟的特点。本文介绍的是由开发者“科哥”进行WebUI二次开发后的版本——FST ITN-ZH 中文逆文本标准化 WebUI版，极大提升了易用性和交互体验，适合工程落地与快速验证。
本技术博客聚焦于该系统的高级设置功能及其使用技巧，帮助用户深入理解参数配置逻辑，优化实际应用场景中的转换效果。
2. 核心功能回顾
2.1 基础转换能力
系统支持多种常见语义类别的标准化转换：
- 日期：
二零零八年八月八日→2008年08月08日 - 时间：
早上八点半→8:30a.m. - 数字：
一百二十三→123 - 货币：
一点二五元→¥1.25 - 分数：
五分之一→1/5 - 度量单位：
二十五千克→25kg - 数学符号：
负二→-2 - 车牌号：
京A一二三四五→京A12345
这些基础功能通过预训练的FST模型实现，覆盖了绝大多数日常使用场景。
2.2 使用方式概览
系统提供两种主要操作模式：
- 📝 文本转换：单条文本实时转换，适用于调试与小规模处理。
- 📦 批量转换：上传
.txt文件，每行一条文本，支持大规模批量处理。
访问地址为：http://<服务器IP>:7860，启动命令如下：
/bin/bash /root/run.sh界面简洁直观，支持一键示例填充、结果复制与文件保存，极大降低使用门槛。
3. 高级设置详解
高级设置模块允许用户根据具体业务需求调整转换行为，避免“一刀切”式处理带来的语义失真。以下是三个关键参数的详细解析。
3.1 转换独立数字
- 默认状态：开启
- 作用范围：控制是否将独立出现的中文数字转换为阿拉伯数字。
- 示例对比：
- 开启：
幸运一百→幸运100 - 关闭：
幸运一百→幸运一百
应用场景建议
| 场景 | 推荐设置 | 理由 |
|---|---|---|
| 数值提取（如报表、账单） | 开启 | 提升数值可读性与机器解析效率 |
| 文学文本处理 | 关闭 | 保留原文语感，避免破坏修辞风格 |
| 口语转写后处理 | 按需开启 | 若需结构化统计，则开启；否则保持原意 |
提示：若输入文本中含有比喻性表达（如“百般滋味”），建议关闭此选项以防止误转换。
3.2 转换单个数字 (0–9)
- 默认状态：开启
- 作用范围：仅针对单个汉字数字（零、一、二…九）进行转换。
- 示例对比：
- 开启：
零和九→0和9 - 关闭：
零和九→零和九
技术细节说明
该选项不影响复合数字（如“十二”、“一百”），只作用于单独出现的个位数。其底层实现是在FST图中动态裁剪对应路径。
实际应用案例
假设输入文本为：“密码是三六七零”。
- 开启时输出：
密码是3670 - 关闭时输出：
密码是三六七零
对于验证码、密码、编号类场景，应确保开启此选项，以便完整数字化。
3.3 完全转换'万'
- 默认状态：关闭
- 作用范围：决定是否将“万”作为单位展开为完整数字。
- 示例对比：
- 开启：
六百万→6000000 - 关闭：
六百万→600万
数值表示差异分析
| 设置 | 输出 | 特点 |
|---|---|---|
| 开启 | 6000000 | 纯数字，利于计算 |
| 关闭 | 600万 | 更符合中文阅读习惯，节省字符 |
工程实践建议
- 金融数据分析系统：推荐开启，便于直接参与数值运算。
- 新闻摘要生成系统：推荐关闭，保持语言自然流畅。
- 跨语言对齐任务：建议开启，统一为国际通用数字格式。
可通过以下代码片段模拟该逻辑判断（Python伪代码）：
def convert_wan(text, fully_expand=False): import re pattern = r'(\d+)[万]' if fully_expand: return re.sub(pattern, lambda m: str(int(m.group(1)) * 10000), text) else: return re.sub(pattern, r'\g<1>万', text) # 示例调用 print(convert_wan("销售额达六百万", fully_expand=True)) # 销售额达6000000 print(convert_wan("销售额达六百万", fully_expand=False)) # 销售额达600万4. 高级使用技巧与最佳实践
4.1 长文本多类型混合处理
系统支持在同一段文本中同时处理多种ITN类型，无需分拆。
输入示例：
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。输出结果：
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。注意：当启用“完全转换'万'”时，“一万二千元”会变为“12000元”，否则为“1.2万元”。
4.2 批量处理性能优化建议
对于超过1000行的大文件，建议采取以下措施提升效率：
- 分批上传：每次不超过500行，减少内存压力。
- 关闭不必要的转换项：如无特殊需求，关闭“转换单个数字”可略微提速。
- 预处理清洗：去除空行、特殊符号或乱码字符，避免异常中断。
4.3 结果持久化与追溯管理
点击「保存到文件」按钮后，系统自动生成带时间戳的文件名，格式如下：
itn_output_20250405_143022.txt文件存储路径通常位于/root/output/目录下，便于后期归档与审计。
4.4 参数组合策略推荐
根据不同业务场景，推荐以下参数组合：
| 场景 | 转换独立数字 | 转换单个数字 | 完全转换'万' |
|---|---|---|---|
| ASR后处理（通用） | ✅ 开启 | ✅ 开启 | ❌ 关闭 |
| 数据挖掘/BI分析 | ✅ 开启 | ✅ 开启 | ✅ 开启 |
| 字幕生成 | ✅ 开启 | ❌ 关闭 | ❌ 关闭 |
| 法律文书处理 | ❌ 关闭 | ❌ 关闭 | ❌ 关闭 |
| 密码/编号提取 | ✅ 开启 | ✅ 开启 | 任意 |
5. 常见问题与解决方案
5.1 转换结果不准确
可能原因： - 输入文本含有方言或非标准表达 - 高级设置未匹配实际语境 - 模型缓存未刷新（首次加载需3–5秒）
解决方法： - 尝试调整高级设置 - 重启服务以清除缓存：执行/bin/bash /root/run.sh- 检查输入是否符合普通话规范
5.2 支持的数字变体
系统支持以下三种常见数字表达形式：
| 类型 | 示例 |
|---|---|
| 简体数字 | 一、二、三 |
| 大写数字 | 壹、贰、叁（常用于票据） |
| 口语变体 | 幺（一）、两（二） |
例如： -幺零零八六→10086-两点半→2:30
5.3 性能表现说明
- 首次转换延迟：约3–5秒（模型加载）
- 后续转换速度：平均 < 100ms/条（CPU环境）
- 批量处理吞吐量：约500条/分钟（取决于文本长度）
建议在高并发场景前预先触发一次转换，完成热启动。
6. 版权与开源声明
本项目由“科哥”完成WebUI二次开发，原始FST ITN-ZH核心基于Apache License 2.0协议开源。
重要提醒：
使用本系统时，请务必保留以下版权信息：
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！未经授权删除或篡改版权信息的行为违反开源协议精神，不被允许。
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。
