Нормализация чисел — обиходное название шага, который в терминологии распознавания речи называется обратной текстовой нормализацией (ITN): числительные, сказанные словами, превращаются в цифры уже после распознавания. Термин «текстовая нормализация» (TN) закреплён за обратным направлением — переводом чисел в слова для синтеза речи. У «Потока» (potok.now) числа, суммы, проценты и время записываются цифрами сами, без отдельной команды.
Термин встречается в описаниях систем распознавания речи, а не в интерфейсе конкретной программы. Он обозначает шаг после самого распознавания: то, что произнесено словами, превращается в привычную цифровую запись, которую человек ожидает увидеть в тексте.
Что означает термин «нормализация чисел»
То, что в быту называют нормализацией чисел, в отраслевой терминологии — это обратная текстовая нормализация (ITN): постобработка вывода автоматического распознавания речи, которая превращает числительные, сказанные словами, в цифровую запись. Источник (документация NVIDIA NeMo) описывает ITN как часть конвейера постобработки ASR: она переводит нормализованный вывод модели в письменную форму, чтобы улучшить читаемость текста.
Термин «текстовая нормализация» (TN) в той же документации закреплён за обратным направлением: переводом чисел из цифровой записи в словесную форму, и используется как этап перед синтезом речи (TTS) — то есть перед тем, как текст озвучивается вслух. Это разные шаги для разных задач: TN готовит текст к озвучиванию, а ITN приводит распознанную речь к письменному виду. Названия звучат почти зеркально, но путать их не стоит.
| Термин | Что значит | Пример |
|---|---|---|
| Нормализация чисел | преобразование произнесённых числительных в цифровую запись при распознавании речи; в отрасли этот шаг постобработки называют обратной текстовой нормализацией (ITN), а «нормализацией текста» (TN) — обратное направление, перевод цифр в слова для синтеза речи | «двадцать пятое сентября» становится «25 сентября» |
| ASR-модель | обученная нейросеть, которая непосредственно выполняет распознавание речи | качество диктовки напрямую зависит от качества ASR-модели |
| Кодовое переключение (code-switching) | чередование двух языков в одной фразе, например русского и английского | «запушь этот пул-реквест» — типичный пример кодового переключения RU/EN |
| Спикер-независимое распознавание | система, работающая одинаково для любого голоса без предварительной настройки под конкретного человека | большинство современных ASR-систем спикер-независимые по умолчанию |
Пример из диктовки
На практике эффект обратной текстовой нормализации виден в самом результате распознавания: числительное, сказанное словами, в тексте появляется уже цифрами, а не остаётся словом. Это описание задачи, а не список конкретных правил: что именно в потоке речи считать числом, а что обычным словом, и как превращать распознанные числительные в цифры в каждом отдельном случае, решает конкретная модель или алгоритм постобработки, а не сам термин.
Как это касается Потока, а где нет
У «Потока» числа, суммы, проценты и время записываются цифрами сами: «двести пятьдесят рублей» превращается в «250 ₽», «пятнадцать процентов» — в «15%». «Поток» — облачный сервис, распознавание идёт на серверах в России; без интернета он не работает. Другие термины распознавания речи собраны в разделе словарь терминов распознавания речи.
Частые вопросы
Нет, по определению это отдельный шаг постобработки: он превращает уже распознанные числительные в цифровую запись, а не сам процесс распознавания речи.
ITN (обратная текстовая нормализация) переводит распознанные числительные в цифры — шаг после распознавания речи. TN (текстовая нормализация) работает в обратную сторону: переводит цифры в слова перед синтезом речи (TTS).
Проверить за вечер
Установите «Поток», продиктуйте то, что обычно печатаете, и сравните. 14 дней полного доступа, карта не нужна. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»В подписку «Потока» входит и Telegram-бот @potok_now_bot: перешлите ему голосовое или длинную запись встречи — он вернёт текст. Без подписки в боте 60 минут в месяц бесплатно.
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