german_transliterate
1.0.0
German_transliterateは、略語、数字、タイムスタンプなどを含むドイツのテキストをクリーニングおよび音訳（すなわち正常化）するPythonモジュールです。たとえば、乱雑なテキスト（ASCIIへの特異なユニコードエンコーディングなど）をクリーニングするために使用できます。
ただし、テキストからスピーチ（TTS）の前処理（トレーニングと推論の両方）に特に役立ち、その後、パイプラインの次のステップとして結果の音素エンコード（ESPEAK-NGを使用する）をサポートする機能があります。
ISは、トレーニングパイプラインと推論パイプラインの両方への入力データとしてespeak-ng音素と組み合わせて、Mozilla TTSとの前処理に成功裏に適用されました。
この作業は、Creative Commons Attribution 4.0 Internationalライセンスの下でライセンスされています。このライセンスのコピーを表示するには、http：//creativecommons.org/licenses/by/4.0/にアクセスするか、Creative Commons、PO Box 1866、Mountain View、CA 94042、USAに手紙を送信してください。
帰属を提供したり、この作業を引用したりするには、次のテキストスニペットを使用してください。
german_transliterate, Copyright 2020 by repodiac, see https://github.com/repodiac for updates and further information
0.1.3さまざまなOPSのいくつかのバグフィックス： weekday 、 month 、 amount_money 、頭字語、あちこちで固定された小さなもの（更新強くお勧めします）0.1.2デフォルトOPSのリストから次のOPSを削除しました。なぜなら（以下のドキュメントで述べたように）、非常にエラーが発生しやすい（多くの偽陽性）。それらを明示的にtransliterate_ops=[...]リストに明示的に追加することで使用できます。削除されたOPSは次のとおりです。monthweekdaymath_symbol0.1.1デフォルトの使用のためのコマンドラインインターフェイスが追加されました（音素エンコーディングと実験的なものが残されていません）release 0.1ソフトウェアの初期リリース、まだ多くのToDoといくつかの実験機能（ドキュメントを参照）。また、例外処理を改善することもできます現在、外部依存関係は1つだけです。Num2Words。すべての依存関係は、 requirements.txtにあり、現時点でもsetup.pyに含まれています。
setup.pyに基づいて、 pipと組み込みのgitパッケージインストールを使用してインストールを簡単に使用します：
pip install git+https://github.com/repodiac/german_transliterate設定：
pipパッケージと同じように、現在のPython環境にインストールして動作（ import german_transliterate.core ）する必要があります（仮想環境を作成して、 virtualenvまたはcondaを使用して仮想環境を作成します）。Pythonコードまたはライブラリとして：
from german_transliterate.core import GermanTransliterate
text = 'Um 13:15h kaufte Hr. Meier (Mitarbeiter der Firma ABC) 1.000 Luftballons für 250€.'
print('ORIGINAL:', text, 'n')
ops = {'acronym_phoneme', 'accent_peculiarity', 'amount_money', 'date', 'timestamp',
'weekday', 'month', 'time_of_day', 'ordinal', 'special', 'math_symbol', 'spoken_symbol'}
# use these setting for PHONEMIC ENCODINGS as input (e.g. with TTS)
print('TRANSLITERATION with phonemic encodings:',
GermanTransliterate(replace={';': ',', ':': ' '}, sep_abbreviation=' -- ').transliterate(text), 'n')
# use none or your own for other purposes than phonemic encoding and do not use 'spoken_symbol' or 'acronym_phoneme'
print('TRANSLITERATION (default):',
GermanTransliterate(transliterate_ops=list(ops-{'spoken_symbol', 'acronym_phoneme'})).transliterate(text), 'n')
コマンドラインから（シェル内）：
python core.py '1, 2, 3 - alles ist dabei'
現在、使用する方法は1つだけです。Rranriterate transliterate('Das ist der Text.')
次の入力パラメーターがあります。
transliterate_opsキーワードのリスト、詳細については以下を参照してくださいreplaceを、テキストに追加のプレーンでシンプルな「オンザフライ」置換として使用するものとして使用します。通常の使用のためにemptyままにして、 {';': ',', ':': ' '}を使用するために{ ';'： '、'、 '：' '}sep_abbreviation略語の音訳に使用される特別な分離器。これは、TTSパイプラインの次のステップとして、テキストの音素エンコードでのみ有用です。通常の使用と使用のためにemptyしてください' -- '音素エンコーディングでmake_lowercase trueの場合、テキストは小文字になります（デフォルトでemptyしてください）注：音訳操作のほとんどはmake_lowercase=Trueでのみ動作します - これは、低ケースでのみ動作するさまざまな辞書によるものです。 make_lowercase=Falseを使用してくださいtransliterate_opsが過度に使用されていない場合にのみ、ほとんどの場合動作しません！ configパラメーターtransliterate_opsに使用されるパラメーターは次のとおりです。
acronym_phoneme 、 ABCのような音素版のような略語を音声版ah beh zeeに翻訳するaccent_peculiarity独特のユニコードエンコーディングを削除し、それらを互換性のあるASCIIのようなバージョンにマッピングします（クリーニングOP）amount_money 、$、€、EURなどの通貨とお金のシンボルを音訳します。dateは日付、例：2019年12月10日timestampはタイムスタンプを翻訳します、例：13H：15m：45sweekday （実験的）、平日の略語、たとえばMoなど、現在、これはかなりエラーが発生しやすい（多くの偽陽性）month （実験）、数ヶ月間の音訳、例えばJanまたはDez -現在、これはむしろエラーが発生しやすい（多くの偽陽性）time_of_dayの音訳時間、例：13：15hordinal音声順序数、例： 2.へのzweite （正しいケースの接尾辞、すなわちzweiten 、またはzweitemトレードオフを見つけようとします）special音訳のエッジケースと特別な用語、例えば8/10へのacht von zehnへmath_symbol （実験的）、数学記号の少量の選択、例えばplus 、 minusなどを音訳します（ここでも適用されます：多くの偽陽性を持つことができるので、注意して使用してください）spoken_symbol 、音声ブラケットまたは引用マークを音声言語sep_abbreviationすることを可能にします-- in klammern -- text -- 現在の状態は、主に手動マッピングの使用と、文字列の置換と拡張のための正規表現（単語または用語）に基づいています。したがって、現在のパフォーマンスは、テキスト処理パイプラインでのオンライン推論または「リアルタイム」使用法で使用するのに十分でなければなりません。時間の経過とともにさらにモジュールまたはOPが追加されると、重い計算を行う方法もかなり遅いため、主にトレーニングまたはオフライン処理に適しています。
バグや機能のリクエストについては、GitHubで問題を開いてください。また、メールで私に連絡することもできます。
