zh-normalization 0.0.1

Chinese Text Normalization(for speech recognition and text to speech)

zh-normalization

Chinese sentence NSW(Non-Standard-Word) Normalization

Supported NSW (Non-Standard-Word) Normalization

NSW type	raw	normalized
serial number	电影中梁朝伟扮演的陈永仁的编号27149	电影中梁朝伟扮演的陈永仁的编号二七一四九
cardinal	这块黄金重达324.75克 我们班的最高总分为583分	这块黄金重达三百二十四点七五克 我们班的最高总分为五百八十三分
numeric range	12~23 -1.5~2	十二到二十三 负一点五到二
date	她出生于86年8月18日，她弟弟出生于1995年3月1日	她出生于八六年八月十八日， 她弟弟出生于一九九五年三月一日
time	等会请在12:05请通知我	等会请在十二点零五分请通知我
temperature	今天的最低气温达到-10°C	今天的最低气温达到零下十度
fraction	现场有7/12的观众投出了赞成票	现场有十二分之七的观众投出了赞成票
percentage	明天有62％的概率降雨	明天有百分之六十二的概率降雨
money	随便来几个价格12块5，34.5元，20.1万	随便来几个价格十二块五，三十四点五元，二十点一万
telephone	这是固话0421-33441122 这是手机[phone]	这是固话零四二一三三四四一一二二 这是手机八六一八五四四一三九一二一

Usage

pip install zh-normalization

Run the following code to normalize the Chinese sentence:

from zh_normalization import TextNormalizer

m = TextNormalizer()
text = "电影中梁朝伟扮演的陈永仁的编号27149!"
sents = m.normalize(text)
new_text = ''.join(sents)
print(new_text)

Output:

电影中梁朝伟扮演的陈永仁的编号二七幺四九!

References

Pull requests #658 of DeepSpeech