格式化处理

去掉语气词和说错重来的部分。加标点，处理大小写。把数字、时间、日期、价格、单位、电子邮件地址和URL写成正确的形式。执行像“new paragraph”这样的语音命令。把片段和词典术语按保存的样子原样插入。匹配目标App的语气，随意或专业，并且可以按App固定。终端和代码编辑器里的内容原样不动。清单上的每一项，要么是一条规则，要么是一个指令严格限定的模型，而且顺序很重要：规则在前，这样模型就永远没有机会去质疑一个时钟时间。

语言模型擅长判断，但在精确性上不可靠。给它“ten thirty AM”，它通常会写成10:30 AM，而“通常”正是问题所在，因为它写成10:30 PM的那一次，你要等到错过会议才会发现。凡是只有一个正确答案的内容，比如时钟时间、口述标点、词典中的词、片段、符号名称，都应该由确定性的规则处理，每次生成相同的输出，并且可以测试。模型负责剩下的部分：句子的流畅度、分段、哪些语气词确实是语气词，以及语气。

有三条值得坚持。内容检查：如果模型的输出丢掉了你说的词，或加入了你没说的词，就丢弃它，保留按规则格式化的转写文本。时间预算：如果模型在固定时间内没有给出结果，转写文本就不经过它直接出现。逐字通道：任何改写都算作bug的App，根本不使用模型。有了这些，格式化处理只会改进文字或保持原样，绝不会搞坏一次听写。

Apple内置的“听写”会自动完成其中一小部分工作，其余的交给语音命令。了解这条界线在哪里，你就知道更完整的格式化处理会为你做些什么。

自动的部分是自动标点符号：在受支持的语言中，它会在你说话时插入逗号、句号和问号。分段、默认以外的大写和符号，都需要你说出来。

1. 01 选取“苹果菜单 → 系统设置”，点按边栏中的“键盘”，然后前往“听写”。
2. 02 打开“听写”。如果你希望自动插入逗号、句号和问号，请确认“自动标点符号”已打开。
3. 03 开始听写，在想要分隔的地方说“换行”或“新段落”。
4. 04 在数字前说“数字”，下一个短语就会格式化为数字。
5. 05 说“首字母大写开”，后面的词会以标题式首字母大写书写；说“首字母大写关”恢复正常。说“全部大写”，下一个词会全部大写。
6. 06 说出符号的名称即可插入它，例如“at符号”、“百分号”、“井号”或“美元符号”。
7. 07 回看结果。凡是你仍需手动修改的地方，都是格式化处理需要完成的工作。

逆文本规范化是这项工作中一部分的旧称，范围也更窄：把口语形式转换为书面形式，例如把“ten thirty”变成10:30。Whisper论文指出，许多语音识别系统都包含一定程度的逆文本规范化，它通常很简单或基于规则，从它没处理的地方就能看出来，例如从不加逗号。

较新的开放模型把其中一部分工作移到了识别本身。Whisper的训练目标是按书面形式预测转写文本，作者称这样就不再需要单独的逆文本规范化步骤。NVIDIA称Parakeet TDT 0.6B v2直接支持标点和大写。

格式化处理就是在这之后仍会进行的一切。识别器给出的标点只是起点。去掉语气词、应用你自己的术语、适配目标App，都是识别器不会执行的单独步骤。

macOS自带一个小型的基于规则的格式化层，它很好地展示了什么是确定性规则：同样的输入总是得到同样的输出。自定义短语把一个字符串换成另一个，智能引号和破折号会在输入文本时更改标点。

Apple指出，自定义短语、智能引号和破折号以及智能链接并非在所有App中都可用。如果文本带着弯引号或你没想到的替换出现，先检查这些设置，再去别处找原因。

1. 01 选取苹果菜单 → “系统设置”，然后点按边栏中的“键盘”。
2. 02 点按“自定义短语”。
3. 03 点按“添加”按钮，键入要替换的文本和替换后的文本，然后点按“添加”。
4. 04 若要更改引号和破折号的行为，请前往“键盘”设置中的“文字输入”，然后点按“编辑”。
5. 05 打开或关闭“使用智能引号和破折号”，根据需要选择引号样式，然后点按“完成”。
6. 06 在单个App中，选取“编辑 → 替换”，即可为该App打开或关闭“文本替换”。