kyrgyz-normalizer 0.3.0

Кыргызча текст нормализатор TTS системасы үчүн / Kyrgyz text normalizer for TTS systems

kyrgyz-normalizer

Кыргызча текст нормализатор — TTS системасы үчүн.

Сандарды, даталарды, убакытты, акча бирдиктерин, аббревиатураларды жана башка форматтарды кыргыз тилинде сөзгө айландырат.

Орнотуу / Installation

pip install kyrgyz-normalizer

Колдонуу / Usage

from kyrgyz_normalizer import normalize

normalize("2024-жылы 15 км жол курулду")
# → "эки миң жыйырма төртүнчү жылы он беш километр жол курулду"

normalize("Баасы 1500 сом")
# → "Баасы бир миң беш жүз сом"

normalize("01.02.2024")
# → "эки миң жыйырма төртүнчү жыл биринчи февраль"

normalize("Саат 12:30да башталат")
# → "Саат он эки отузда башталат"

normalize("КР Президенти БУУнун жыйынында")
# → "кыргыз республикасы Президенти бириккен улуттар уюмунун жыйынында"

KyrgyzTextNormalizer классы

from kyrgyz_normalizer import KyrgyzTextNormalizer

normalizer = KyrgyzTextNormalizer()

normalizer.number_to_words(2024)    # "эки миң жыйырма төрт"
normalizer.number_to_ordinal(5)     # "бешинчи"
normalizer.roman_to_number("XIV")   # 14
normalizer.decimal_to_words("3,14") # "үч бүтүн жүздөн он төрт"

CLI

# Бир текстти нормализациялоо
kyrgyz-normalizer "Баасы 1500 сом"

# Интерактивдүү режим
kyrgyz-normalizer

Мүмкүнчүлүктөр / Features

Категория	Мисал	Жыйынтык
Сандар	2024	эки миң жыйырма төрт
Иреттик сандар	3-класс	үчүнчү класс
Даталар	01.02.2024	эки миң жыйырма төртүнчү жыл биринчи февраль
Убакыт	12:30да	он эки отузда
Акча	1500 сом	бир миң беш жүз сом
Өлчөм бирдиктери	100 км/ч	жүз километр саатына
Пайыздар	15,5%	он беш бүтүн ондон беш пайыз
Кыргызча аббревиатуралар	КР, БУУ	кыргыз республикасы
Англисче аббревиатуралар	IT, GPS	ай ти, жи пи эс
Телефон номерлери	[phone]	плюс тогуз тогуз алты ...
Римские цифры	XXI кылым	жыйырма биринчи кылым
Математика	5+3=8	беш кошуу үч барабар сегиз
Ондук бөлчөктөр	3,14	үч бүтүн жүздөн он төрт
Сингармонизм	суффикстер	кыргыз тилинин үндөшүүк закону

Тесттер / Tests

Долбоор 1019 тест менен текшерилген (1000 параметрленген + 19 unit/regression):

pip install pytest
pytest tests/ -v

============================= 1019 passed in 0.35s =============================

Тесттер tests/test_data.txt файлында сакталган — ар бир категория үчүн ~50 тест-кейс.

Долбоордун структурасы / Project Structure

kyrgyz-normalizer/
├── src/kyrgyz_normalizer/
│   ├── __init__.py          # Public API: normalize(), KyrgyzTextNormalizer
│   └── normalizer.py        # Негизги нормализатор классы
├── tests/
│   ├── test_normalizer.py   # pytest тесттери (1019 тест)
│   └── test_data.txt        # Тест маалыматтары (1000 кейс)
├── pyproject.toml
├── LICENSE                  # MIT
└── README.md

Лицензия / License

MIT — LICENSE