Whisper 把 3.5 万写成三万五 中文数字怎么规范化

陆零云 28 0
客服录音转写接了 Whisper,质检同事对了一百条,金额和工号错得离谱。原文说的是三万五,转写出来是「3.5 万」,另一条「订单 35000 元」被写成「三万五元」。模型没错,是我没做数字规范化,把口语原样落库了。 第一版写了个正则,把中文数字整体换成阿拉伯数字。跑完更乱,一句话里的「十分抱歉」变成「10 分抱歉」,「一下」变成「1 下」,「三天内回复」变成「3 天内回复」,一眼能看出是机械替换。 试过只在金额前后做替换,用「元」「块」当锚点。命中率上来...