FunASR说话人分离终极指南：智能语音识别的新纪元
2026/1/22 4:53:28
FST ITN-ZH中文ITN模型核心功能解析｜附WebUI使用实例
1. 中文逆文本标准化（ITN）是什么？
你有没有遇到过这样的情况：语音识别系统把“二零零八年八月八日”原封不动地输出出来，而不是我们习惯的“2008年08月08日”？或者听到“一百二十三”却希望它变成“123”？这就是**逆文本标准化（Inverse Text Normalization, ITN）**要解决的问题。
FST ITN-ZH 是一个专为中文设计的逆文本标准化工具，它的任务是将语音识别结果中那些“读出来自然、写出来别扭”的表达，自动转换成标准书面格式。比如：
早上八点半→8:30a.m.一点二五元→¥1.25京A一二三四五→京A12345
这个模型由社区开发者“科哥”进行了WebUI二次开发，让原本需要编程调用的功能变得可视化、易操作，真正实现了“开箱即用”。
2. WebUI界面概览与启动方式
2.1 如何启动服务
部署完成后，只需运行以下命令即可启动Web应用：
/bin/bash /root/run.sh启动成功后，在浏览器中访问http://<服务器IP>:7860即可进入操作界面。
提示：首次加载可能需要3-5秒时间初始化模型，请耐心等待页面完全显示。
2.2 主界面布局解析
整个WebUI采用简洁直观的设计风格，主要分为以下几个区域：
┌─────────────────────────────────────────┐ │ [紫蓝渐变] 中文逆文本标准化 (ITN) │ │ webUI二次开发 by 科哥 │ ├─────────────────────────────────────────┤ │ [ 文本转换] [📦 批量转换] │ │ │ │ ┌───────────┐ ┌───────────┐ │ │ │ 输入框 │ → │ 输出框 │ │ │ │ │ │ │ │ │ └───────────┘ └───────────┘ │ │ │ │ [开始转换] [清空] [复制] [保存] │ ├─────────────────────────────────────────┤ │ 快速示例 │ │ [日期] [时间] [数字] [货币] ... │ └─────────────────────────────────────────┘顶部是醒目的标题栏，中间是功能标签页切换区，下方是输入输出双栏布局，底部还贴心地提供了常用示例按钮，极大提升了使用效率。
3. 核心功能详解：两大使用模式
3.1 模式一：单条文本转换（ 文本转换）
这是最常用的场景，适合处理零散的语音识别结果或手动输入的内容。
使用步骤如下：
- 访问
http://<服务器IP>:7860 - 点击「 文本转换」标签页
- 在左侧输入框中填写待转换的中文文本
- 点击「开始转换」按钮
- 右侧输出框立即显示标准化结果
实际案例演示：
输入: 二零零八年八月八日早上八点半 输出: 2008年08月08日 8:30a.m.输入: 这笔交易金额为一百二十三点四五元 输出: 这笔交易金额为¥123.45你会发现，不仅仅是独立的数字被转换了，连句子中的数值也能准确识别并替换，保持上下文语义完整。
3.2 模式二：批量文件处理（📦 批量转换）
当你面对成百上千条语音转写结果时，逐条复制粘贴显然不现实。这时就要用到“批量转换”功能。
操作流程：
- 准备一个
.txt文件，每行一条原始文本 - 切换到「📦 批量转换」标签页
- 点击「上传文件」选择你的文本文件
- 点击「批量转换」开始处理
- 转换完成后点击下载链接获取结果文件
示例文件内容：
二零零八年八月八日 一百二十三 早上八点半 一点二五元 二十五千克 负二 京A一二三四五转换后的结果会按行对应生成，格式清晰，便于后续导入数据库或进行数据分析。
建议：对于超过1万行的数据，建议分批上传，避免因网络波动导致中断重传。
4. 高级设置：灵活控制转换行为
虽然默认配置已经能满足大多数需求，但FST ITN-ZH也提供了几个关键参数供用户根据实际业务场景微调。
4.1 转换独立数字
- 开启效果：
幸运一百→幸运100 - 关闭效果：
幸运一百→幸运一百
适用于某些品牌名、昵称等不希望被数字化的特殊场景。
4.2 转换单个数字（0-9）
- 开启效果：
零和九→0和9 - 关闭效果：
零和九→零和九
在诗歌、文学类文本中常需保留汉字数字的意境感，此时可关闭此项。
4.3 完全转换“万”
- 开启效果：
六百万→6000000 - 关闭效果：
六百万→600万
金融报表通常要求统一单位（如全部以“元”为单位），则应开启；日常交流中“600万”更符合阅读习惯，可保持关闭。
这些选项的存在，使得该工具既能满足严谨的数据处理需求，也能适应灵活的语言表达场景。
5. 支持的转换类型全解析
FST ITN-ZH 并非只处理简单的数字，而是覆盖了中文口语中常见的多种表达形式。下面我们逐一来看它能处理哪些类型的转换。
5.1 日期格式标准化
将口语化的年月日表述转为标准YYYY-MM-DD格式。
输入: 二零一九年九月十二日 输出: 2019年09月12日支持“二零一九”、“两千一十九”等多种读法，兼容简体与大写数字。
5.2 时间表达规范化
自动识别上午/下午，并转换为12小时制带a.m./p.m.标记的时间格式。
输入: 下午三点十五分 输出: 3:15p.m.同时支持“八点半”、“八点三十分”、“八点整”等多种说法。
5.3 数字与货币转换
无论是整数、小数还是带单位的金额，都能精准处理。
输入: 一千九百八十四 输出: 1984输入: 一点二五元 输出: ¥1.25还能识别美元、欧元等外币单位，自动添加对应符号。
5.4 分数与数学表达
对“五分之一”、“三分之二”这类分数表达进行数学化转换。
输入: 五分之一 输出: 1/5负数、正数也能正确解析：
输入: 负二 输出: -25.5 度量单位统一
常见物理量单位如千克、公里、米等均可自动附加国际符号。
输入: 三十公里 输出: 30km5.6 特殊编码处理：车牌号
针对中国车牌设计的专用规则，确保字母与数字混合部分正确转换。
输入: 沪B六七八九零 输出: 沪B67890这一功能在交通执法记录、停车场管理系统中有重要应用价值。
6. 使用技巧与最佳实践
6.1 长文本智能处理
系统不仅能处理单一实体，还能同时识别一段话中的多个目标。例如：
输入: 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: 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。所有可转换项都被准确识别且互不影响，极大提升了整体处理效率。
6.2 批量处理性能优化
当处理大规模数据时，建议遵循以下原则：
- 每个文件控制在5000行以内
- 文件编码使用UTF-8无BOM格式
- 行尾不要包含多余空格或制表符
- 处理前先用小样本测试确认参数设置正确
这样可以最大限度减少出错概率，提升整体稳定性。
6.3 结果保存与追溯
点击「保存到文件」按钮后，系统会在服务器端生成带有时间戳的记录文件，命名格式类似：
itn_result_20250405_143022.txt方便日后审计或对比不同版本的处理效果。
7. 常见问题与解决方案
7.1 转换结果不准确怎么办？
首先检查是否启用了合适的高级设置。例如，“幸运一百”被错误转换，可能是“转换独立数字”开关开启所致。
其次确认输入文本是否符合标准普通话表达。方言或非常规读法可能导致识别失败。
7.2 支持哪些数字变体？
目前支持三种主流形式：
| 类型 | 示例 |
|---|---|
| 简体数字 | 一、二、三 |
| 大写数字 | 壹、贰、叁 |
| 口语变体 | 幺（一）、两（二） |
像“幺零幺”这样的军事通信读法也能正确识别为“101”。
7.3 为什么第一次转换比较慢？
首次请求需要加载模型到内存，耗时约3-5秒。之后的所有转换都是毫秒级响应。如果长时间未使用导致服务休眠，再次唤醒也会有短暂延迟。
7.4 版权信息必须保留吗？
是的。开发者明确声明：
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！无论个人还是商业用途，均需在显著位置保留上述声明。
8. 总结
FST ITN-ZH 中文逆文本标准化工具通过高效的规则引擎，解决了语音识别后处理中的关键痛点。配合科哥开发的WebUI界面，即使是非技术人员也能轻松上手，实现从“听得懂”到“写得准”的跨越。
无论是做语音转录、客服对话分析，还是构建智能助手，这个工具都能帮你把口语化的输出变成规范的文本数据，大幅提升下游任务的准确率和可用性。
更重要的是，它完全免费且开源，体现了AI社区共建共享的精神。如果你正在寻找一个稳定可靠的中文ITN方案，不妨试试这款经过实战检验的工具。
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。