This model is used for formatting raw asr text output from spoken text to written text (Eg. date, number, id, ...). It also supports formatting "out of vocab" by using external vocabulary.
Some of examples:
input : tám giờ chín phút ngày mười tám tháng năm năm hai nghìn không trăm hai mươi hai
output : 8h9 18/5/2022
input : mã số quy đê tê tê đê hai tám chéo hai không không ba
output : mã số qdttd28/2003
input : thể tích tám mét khối trọng lượng năm mươi ki lô gam
output : thể tích 8 m3 trọng lượng 50 kg
input : ngày hai tám tháng tư cô vít bùng phát ở sờ cốt lờn chiếm tám mươi phần trăm là biến chủng đen ta và bê ta
ex_vocab : ['scotland', 'covid', 'delta', 'beta']
output : 28/4 covid bùng phát ở scotland chiếm 80 % là biến chủng delta và beta
- Play around at Huggingface Space
@INPROCEEDINGS{10094599,
author={Nguyen, Thai-Binh and Nhat, Le Duc Minh and Nguyen, Quang Minh and Do, Quoc Truong and Luong, Chi Mai and Waibel, Alexander},
booktitle={ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
title={AdapITN: A Fast, Reliable, and Dynamic Adaptive Inverse Text Normalization},
year={2023},
volume={},
number={},
pages={1-5},
keywords={Adaptation models;Runtime;Transforms;Signal processing;Natural language processing;Semiotics;Reliability;ASR;inverse text normalization;semiotic pharse;phonetization phrase},
doi={10.1109/ICASSP49357.2023.10094599}}