Paraformer语音识别-中文-通用，将手机号、身份证号码都识别为大写中文如何转为阿拉伯数字

要将音频中的数字从大写中文数字转换为阿拉伯数字，您需要在使用Paraformer语音识别模型时，开启**逆文本正则化（ITN, Inverse Text Normalization）**功能。以下是具体的操作步骤和配置方法：

1. 确认使用的模型支持ITN功能

根据知识库信息，只有v2系列模型（如paraformer-realtime-v2）支持逆文本正则化功能。因此，请确保您使用的是支持该功能的模型。

2. 启用ITN功能

在调用Paraformer语音识别API时，您需要通过参数配置来启用ITN功能。以下是具体的参数设置方法：

Python SDK 示例

from dashscope.audio.asr import RecognitionParam

# 创建参数配置对象
param = RecognitionParam.builder() \
    .model("paraformer-realtime-v2") \  # 确保使用支持ITN的模型
    .format("pcm") \  # 音频格式，根据实际音频选择
    .sample_rate(16000) \  # 音频采样率，需与音频一致
    .parameter("inverse_text_normalization_enabled", True) \  # 开启ITN功能
    .build()

Java SDK 示例

import com.alibaba.dashscope.audio.asr.RecognitionParam;

// 创建参数配置对象
RecognitionParam param = RecognitionParam.builder()
    .model("paraformer-realtime-v2") // 确保使用支持ITN的模型
    .format("pcm") // 音频格式，根据实际音频选择
    .sampleRate(16000) // 音频采样率，需与音频一致
    .parameters(Map.of(
        "inverse_text_normalization_enabled", true // 开启ITN功能
    ))
    .build();

3. 发送音频进行识别

在完成参数配置后，按照以下步骤发送音频流或文件进行识别：

1. 实时音频流：通过WebSocket API发送实时音频流，确保音频为单声道，并以100ms为单位分段发送。
2. 录音文件：如果使用录音文件识别，请确保文件格式为支持的格式（如wav、mp3等），并通过URL方式上传文件。

4. 验证识别结果

开启ITN功能后，识别结果中的中文数字（如“壹佰贰拾叁”）将被自动转换为阿拉伯数字（如“123”）。请检查返回的识别结果是否符合预期。

重要提醒

• ITN功能仅支持v2系列模型，如paraformer-realtime-v2或paraformer-v2。如果您当前使用的模型不支持该功能，请升级到支持的模型版本。
• 如果识别结果中仍有部分数字未正确转换，请检查是否启用了热词定制功能，并确保热词权重设置合理。

通过以上步骤，您可以成功将音频中的中文数字转换为阿拉伯数字。