python语音识别的文字错误怎么办？模糊词替换——拼音比对替换法

图片来源极简壁纸

模糊词替换——拼音比对替换法该方法用于模糊词替换

背景：因为语音识别出来的文本经常会错误，而使用文本模糊词直接替换所创建的模糊词过多，
故而有了这个方法，使用拼音比对进行替换。

比如我语音想说范特树但识别出来的文本可能是以下内容：
范特舒
凡拓速
安特树
犯错数
犯错诉
梵拓述
帆托树
梵拓树
坟拓宿
梵拓宿
痛点：维护模糊词数量过多，新增模糊词困难，经常出现新的错误词
解决内容：我的拼音替换法就解决了这些痛点，维护成本低，只要加入拼音就好，匹配范围广
只有完全连贯匹配单字典里长度和拼音时才会替换，只匹配两个字不会替换
建议维护模糊词字典长度至少2个，且名词不是常用词，要考虑词语常问的情况
完整代码在下面

pingyinReplace.json文件

[
  {
    "范": [
      "fan",
      "fa",
      "fang",
      "fen",
      "an"
    ],
    "特": [
      "tuo",
      "te"
    ],
    "树": [
      "shu",
      "su"
    ]
  }
]

代码

import json

from pypinyin import pinyin, Style


# 匹配词只替换一次版本
def pingyinReplace1(text: str, replaceList: list) -> str:
    """
    只有完全连贯匹配单字典里长度和拼音时才会替换
    : param text: 原文本
    : param replaceDict: 映射字典列表
    : return : 替换后文本
    """
    print(f"[原文本]:{text}")
    for replaceDict in replaceList:
        c_key = list(replaceDict.keys())
        c_value = list(replaceDict.values())

        text = [i for i in text]
        num = []
        for i in range(len(text)):
            if len(num) == len(c_value):
                break
            data = pinyin(text[i], style=Style.NORMAL)[0][0]
            print(f"[匹配内容] 原字:{text[i]}, 原拼音:{data}, 匹配拼音:{c_value[len(num)]}")
            if data in c_value[len(num)]:
                num.append(i)
            else:
                num.clear()

        for z in range(len(num)):
            text[num[z]] = c_key[z]
        print(f"[替换结果]:{''.join(text)}")
    return "".join(text)

# 匹配词全部替换版本
def pingyinReplace2(text: str, replaceList: list) -> str:
    """
    只有完全连贯匹配单字典里长度和拼音时才会替换
    : param text: 原文本
    : param replaceDict: 映射字典列表
    : return : 替换后文本
    """
    print(f"[原文本]:{text}")

    for replaceDict in replaceList:
        c_key = list(replaceDict.keys())
        c_value = list(replaceDict.values())

        text = [i for i in text]
        num = []
        for i in range(len(text)):
            data = pinyin(text[i], style=Style.NORMAL)[0][0]
            print(f"[匹配内容] 原字:{text[i]}, 原拼音:{data}, 匹配拼音:{c_value[len(num)]}")
            if data in c_value[len(num)]:
                num.append(i)
            else:
                num.clear()

            if len(num) == len(c_value):
                for z in range(len(num)):
                    text[num[z]] = c_key[z]
                num.clear()

        print(f"[替换结果]:{''.join(text)}")
    return "".join(text)

if __name__ == '__main__':
    with open("./pingyinReplace.json", 'r', encoding="utf-8") as f:
        data = json.loads(f.read())
    text = "这是梵拓数吗梵拓数梵拓数"
    pingyinReplace1(text, data)
    pingyinReplace2(text, data)

> [原文本]:这是梵拓数穿吗
> [匹配内容] 原字:这, 原拼音:zhe, 匹配拼音:['fan', 'fa', 'fang', 'fen', 'an']
> [匹配内容] 原字:是, 原拼音:shi, 匹配拼音:['fan', 'fa', 'fang', 'fen', 'an']
> [匹配内容] 原字:梵, 原拼音:fan, 匹配拼音:['fan', 'fa', 'fang', 'fen', 'an']
> [匹配内容] 原字:拓, 原拼音:tuo, 匹配拼音:['tuo', 'te']
> [匹配内容] 原字:数, 原拼音:shu, 匹配拼音:['shu', 'su']
> [匹配内容] 原字:穿, 原拼音:chuan, 匹配拼音:['chuang', 'chuan', 'chang', 'chan', 'chong']
> [替换结果]:这是范特树吗