sinophone-zh 0.0.3

中华音码（SinoPhone）- 中文拼音语音模糊哈希编码算法

SinoPhone (中华音码)

SinoPhone（中华音码）是一个用于将中文拼音转换为语音模糊哈希编码的Python库。主要用于处理中文语音识别中的同音字和方言混淆问题。

特性

• 🎯 语音模糊匹配：支持常见的方言混淆，如 l/n 不分、f/h 不分等
• 🚀 高效编码：将拼音音节转换为简短的哈希编码
• 🔧 易于使用：简单的API，支持中文文本和拼音文本输入
• 📦 轻量级：只依赖 pypinyin 库
• 🌏 中文友好：专为中文语音处理设计

安装

pip install sinophone-zh

快速开始

基本用法

from sinophone import chinese_to_sinophone, sinophone

# 中文文本转SinoPhone编码
result = chinese_to_sinophone("中国")
print(result)  # 输出: "ZG UG"

# 拼音转SinoPhone编码
result = sinophone("zhong guo")
print(result)  # 输出: "ZG UG"

# 不使用空格连接
result = chinese_to_sinophone("中国", join_with_space=False)
print(result)  # 输出: "ZGUG"

语音模糊匹配示例

SinoPhone 能够处理常见的方言混淆：

# l/n 不分
print(chinese_to_sinophone("南"))  # "NN"
print(chinese_to_sinophone("兰"))  # "NN" (相同编码)

# f/h 不分
print(chinese_to_sinophone("发"))  # "HI"
print(chinese_to_sinophone("花"))  # "HI" (相同编码)

# o/e 混淆
print(sinophone("bo"))  # "BE"
print(sinophone("be"))  # "BE" (相同编码)

API 文档

chinese_to_sinophone(chinese_text, join_with_space=True)

将中文文本转换为 SinoPhone 编码。

参数：

• chinese_text (str): 中文字符串
• join_with_space (bool, 可选): 是否用空格连接音节编码，默认为 True

返回：

• str: SinoPhone 编码字符串

sinophone(pinyin_text)

将拼音文本转换为 SinoPhone 编码。

参数：

• pinyin_text (str): 拼音字符串，音节之间用空格分隔

返回：

• str: SinoPhone 编码字符串

编码规则

声母映射

• 标准声母：b→B, p→P, m→M, f→H, d→D, t→T, n→N, l→N 等
• 混淆规则：l/n → N, f/h → H
• 零声母：y/w/yu → _

韵母映射

• 标准韵母：a/ia/ua→A, o/uo→E, e→E, ai/uai→I 等
• 混淆规则：o/e → E
• 鼻音韵母：an/en系列→N, ang/eng系列→G

特殊音节

• zhei → ZE（"这"的口语变体）
• shei → SV（"谁"的变体）
• ng → _E（"嗯"）
• m → _U（"呣"）

应用场景

• 🎤 语音识别：处理同音字混淆
• 🔍 模糊搜索：中文文本的语音相似度匹配
• 📝 输入法：拼音输入的容错处理
• 🗣️ 方言处理：标准普通话与方言的映射
• 🤖 NLP应用：中文文本的语音特征提取

开发

安装开发依赖

pip install -e .[dev]

运行测试

pytest

代码格式化

black .

贡献

欢迎提交 Issue 和 Pull Request！

许可证

MIT License - 详见 LICENSE 文件。

更新日志

v0.0.1

• 初始版本发布
• 支持中文文本和拼音文本转SinoPhone编码
• 实现语音模糊匹配规则
• 支持特殊音节处理