逆テキスト正規化とは？言葉を数字に

逆テキスト正規化とは？話し言葉の形を、人が期待する書き言葉の形に変える工程で、たとえば「にじゅうご」を25に、「ごごさんじさんじゅっぷん」を午後3:30にします。認識システムはまず言葉を書き、この変換が数字や記号を加えます。

録音を文字起こしする

音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。

2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語

要点

通常のテキスト正規化は逆方向で、音声が読み上げられるように、数字や略語を言葉に展開します。
典型的な対象は、数字、時刻、日付、単位、パーセント、略語です。
規則は言語とスタイルガイドによって異なるため、ある地域と別の地域とでは、日付や小数の書き方が違います。
最大のリスクはあいまいさです。同じ音が、言葉にも数字にもなりえます。たとえば英語の「the one I like」の「one」がそうです。

見た目のイメージ

spoken form                      written form
------------------------------   ----------------
twenty five                      25
three thirty p m                 3:30 PM
ten percent                      10%
two hundred meters              200 m
doctor smith                     Dr. Smith

よくある質問

文字起こしに数字ではなく言葉が出るのはなぜですか。

変換は別の工程で、どこまで適用するかはツールによって異なります。特に小さな数字や判断が難しい場合に、数字を言葉のまま残すものもあります。

逆テキスト正規化の反対は何ですか。

テキスト正規化です。25やDr.のような書き言葉の形を話し言葉に展開します。これは、音声合成システムがテキストを読み上げる前に必要とする処理です。

誤りはどこで起きやすいですか。

電話番号、長い数字列、住所、単位がよくある難所です。文字起こしの数字と名前は、必ず音声と照らして確認してください。

数字のスタイルは国によって違いますか。

はい。桁区切り、小数点、日付の順序は異なるため、ある地域で正しい変換が別の地域では間違って見えることがあります。編集の前にスタイルを決めておいてください。

Potokボットの文字起こしの数字はどう直せばよいですか。

DOCXかTXTで書き出し、数字と言葉で書かれた数を検索して、それぞれを録音と見比べます。時刻や単位も同じようにしてください。

出典

各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。

Speech recognition (Wikipedia), Wikipedia · 確認日 2026-10-18
Transcription (linguistics) (Wikipedia), Wikipedia · 確認日 2026-10-18

お手持ちの録音で試してみましょう