uncle_ll的博客

文本归一化(TN)是语音合成(TTS)中决定音色自然度的关键环节，主要解决数字、日期、货币等非标准文本的口语化转换问题。文章介绍了4种经过验证的文本预处理方案，重点推荐WeTextProcessing和cn2an两款工具。WeTextProcessing是开源生产级方案，提供完整的文本归一化与逆归一化流程，支持中文90%以上的转换场景；cn2an则是轻量级数字转换利器，专注数字与中文互转，具有零依赖、高性能的特点。文章还提供了核心原理、功能对比和接入示例，帮助开发者快速实现高质量的文本预处理。

CTC算法

googleNLP

阿里达摩院推出的`speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx`模型，通过ONNX运行时优化，集语音端点检测、实时转写、标点恢复等核心功能于一体，为工业场景提供开箱即用的高并发语音识别服务。

自然语言工具包（Natural Language Toolkit，NLTK）自2001年诞生于宾夕法尼亚大学以来，已成为自然语言处理（NLP）领域最具影响力的Python库之一。作为全球数十所顶尖高校的教学工具和研究基础，NLTK凭借其模块化设计和丰富的功能集合，持续为语言学研究者、数据科学家和AI开发者提供强大支持。作为NLP领域的"瑞士军刀"，NLTK通过清晰的模块划分和教学友好的设计，持续赋能新一代NLP开发者。提供t-test、卡方检验、PMI等统计方法检测词汇共现。

自监督学习的预训练模型近期发展

Attention Is All You Need论文地址：http://papers.nips.cc/paper/7181-attention-is-all-you-%0Aneed.pdf源代码：https://github.com/tensorflow/tensor2tensor摘要主要的序列转导模型是基于复杂的循环或卷积神经网络，包括编码器和解码器。性能最好的模型还通过一个注意机制连接编码器和解码器。我们提出了一种新的简单网络结构，即Transformer，它完全基于注意机制，完全不需要递归和

论文标题：Dual-View Distilled BERT for Sentence Embedding论文链接：https://arxiv.org/pdf/2104.08675v1.pdf来源：SIGIR2021摘要近年来，BERT通过单词级交叉句子注意实现句子匹配取得了重大进展。然而，当使用孪生BERT网络推导两个句子嵌入时，性能显著下降，由于两个句子之间没有单词级注意，因此无法捕获全局语义。在本文中，提出了一种双视图提取BERT(DvBERT)。我们的方法处理来自两个不同视图的句子对，即sia