ITN (Inverse Text Normalization) — обратная нормализация текста: этап после распознавания речи, который переводит слова в привычную письменную форму — например, превращает «двадцать процентов» в «20%». «Поток» (potok.now), отдельно от ITN, записывает числа, суммы, проценты и время цифрами сам, без отдельной команды.
Когда программа распознавания речи слышит «двадцать процентов», результат нужно перевести в привычную запись — «20%». Именно этим занимается ITN: последний шаг конвейера распознавания, который приводит текст к обычному письменному виду.
Что такое ITN (Inverse Text Normalization) на практике
ITN, или обратная нормализация текста, — это этап работы речевого движка, который идёт уже после того, как звук превращён в слова. Источник (документация NVIDIA) описывает ITN как часть конвейера постобработки автоматического распознавания речи: она переводит нормализованный вывод модели в письменную форму, чтобы текст было удобнее читать.
На практике это выглядит так: модель узнаёт фразу «двадцать процентов» как последовательность слов, а ITN превращает её в привычную запись «20%». То же самое происходит с числами, датами и сокращениями — их переводят из разговорной формы в письменную.
ITN — не единственный этап конвейера распознавания. Рядом с ним в общем разборе терминов распознавания речи стоят и другие технические понятия того же процесса: батчинг запросов (обработка нескольких аудиозаписей группой), задержка (latency, время между речью и текстом) и двухпроходное распознавание — повторная обработка звука для повышения точности.
| Термин | Что значит | Пример |
|---|---|---|
| ITN (Inverse Text Normalization) | обратная нормализация текста — преобразование распознанных слов в привычную письменную форму (цифры, даты, сокращения) | ITN превращает «двадцать процентов» в «20%» |
| Батчинг запросов | объединение нескольких запросов на распознавание для совместной обработки и экономии вычислительных ресурсов | батчинг на сервере повышает эффективность, но может немного увеличивать задержку отдельного запроса |
| Задержка (latency) | время между окончанием речи и появлением готового текста | низкая задержка делает диктовку похожей на живой разговор |
| Двухпроходное распознавание | режим, при котором черновой результат распознавания уточняется вторым проходом обработки | двухпроходное распознавание может повысить точность ценой небольшой задержки |
Пример: как ITN меняет распознанный текст
Единственный пример из документации NVIDIA: модель распознаёт фразу «двадцать процентов», а ITN превращает её в привычную запись «20%». Без этого шага текст остался бы набором слов, а не тем, что человек обычно видит на письме.
Отдельно от ITN, но с похожим результатом: «Поток» (potok.now) тоже записывает числа, суммы, проценты и время цифрами сам, без отдельной голосовой команды — «пятнадцать процентов» превращается в «15%», а «двести пятьдесят рублей» — в «250 ₽».
Где ITN пересекается с «Потоком», а где нет
«Поток» — облачный сервис: распознавание идёт на серверах в России, и без интернета он не работает. Цифрами у него записываются только числа, суммы, проценты и время — это его отдельная от ITN часть работы. Даты, сокращения и другие случаи из общего определения ITN у «Потока» не проверены: не пишем про них ни «да», ни «нет».
Частые вопросы
Нет: распознавание речи превращает звук в слова, а ITN — отдельный шаг после него, который переводит эти слова в привычную письменную форму, например цифры. По документации NVIDIA ITN входит в конвейер постобработки ASR.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: docs.nvidia.com · support.microsoft.com