Neil

本项目是面向语音识别文本后处理、审讯笔录整理与字幕规范化场景的 ITN（逆文本归一化）工具：把口语化数字按规则转成书面格式，例如幺幺零→110、二零零八年八月八日→2008年8月8日、百分之三十→30%、两点零二分→2:02。转换依据用户提供的《ITN 数字转化需求规格说明》（评审版，共 22 章）。核心目标：做成零安装、双击即用的单文件网页；规则作为输入，由智能体理解并执行，规则更新无需改代码；转换结果高亮标出所有变化，拿不准的片段先不转、事后在疑问清单提出；结果可直接再编辑；并支持长期纠错记忆。功能上分六块：①转换规则——内置完整 ITN 规格，可导入导出、随意修改；②待转换文档——支持粘贴、文件导入、内置示例，时间戳说话人结构原样保留，并记住导入文件名；③转换结果——黄色高亮已转换片段（悬停看原文与规则）、红色虚线标存疑、疑问清单、变更记录表，结果可就地编辑，附原始 JSON 便于调试；④纠错记录——把模型漏转或转错的标准永久保存，每次转换自动注入提示词作补充标准，持续提高正确率；⑤接口设置——支持 OpenAI 兼容与 Anthropic 原生双模式，Base URL、Key、模型、max_tokens 均可配，含强制 JSON 输出与可配置的非思考模式（三种写法一键填充）；⑥导出分享——导出自动命名为「原名_e2e.扩展名」，单文件可分发给同事或部署到内网 http。业务流程：配置接口并测试连接→载入或编辑规则与文档→组装提示词（系统约束+规则+纠错记录+文档）→流式调用→解析 JSON→渲染高亮与疑问→完整性自检→审阅、纠错、导出。支持多标签页并行：每个标签页是独立实例，可配不同模型或思考方式同时转换，互不干扰；注意避免多标签页同时猛点，以免触发中转限流。

一、立项背景与目标 随着语音交互在智能客服、车载、医疗记录等场景广泛落地，ASR 模型质量直接决定下游业务可用性。但业内存在两个痛点：一是模型评测常依赖厂商宣传数字，缺乏独立、可复现的客观评估手段；二是选型时面对百度、讯飞、阿里等多家厂商，难以在相同测试集上横向比较真实能力、错误类型与服务性能。本项目"ASR 全链路质量评估平台"即针对上述背景立项，目标是搭建一套端到端、可扩展、可复现的 ASR 自动化质量评估工具：输入一批待测音频及对应标准答案，平台自动调用被测 ASR 接口完成转写，基于编辑距离计算 CER 与 WER，细分替换/删除/插入三类错误，挖掘高频错误模式与场景短板，输出含 Bad Case 与优化建议的评估报告。项目既可作为个人测试工程能力的综合实战，也可作为团队 ASR 选型与回归测试的基础设施。 二、软件功能 平台提供命令行一体化入口，功能包括：测试数据生成（正弦波合成与 Windows TTS 真人发音两条路径）、批量调用真实 ASR 接口、文本归一化、多维度指标计算、错误画像分析、并发压测、Markdown 与交互式 HTML 双格式报告生成。所有第三方凭证均通过环境变量注入，仓库零明文敏感信息。 三、核心功能模块 1) 指标计算模块（metrics.py）：基于 Levenshtein 编辑距离的动态规划实现，对参考文本与识别结果做字符级与词级双向对齐，输出命中、替换、删除、插入四类计数及派生比率，并以 jiwer 库做数值交叉校验。 2) 文本归一化模块（textnorm.py）：依次执行去标点、NFKC 全角转半角、中文数字转阿拉伯数字、合并被空格分隔的单字母序列、统一小写，专用于消除"表示形式不同"导致的虚假错误。 3) ASR 客户端层（asr_client.py）：以 typing.Protocol 定义统一 transcribe 接口，实现 Mock、通用 HTTP、百度（HTTP+token 两步鉴权）、讯飞（WebSocket+HMAC-SHA256 签名+流式分帧）四类客户端，由工厂函数按配置返回。 4) 错误分析模块（error_analysis.py）：聚合字符级与词级错误构成、按场景标签分组画像、用 Counter 挖掘高频替换对/漏识字/多识字，并基于启发式规则自动生成优化建议。 5) 并发压测模块（benchmark.py）：基于 ThreadPoolExecutor 线程池对真实接口压测，统计 QPS、延迟 P50/P90/P99、成功率与错误分类，自动解读百度业务错误码。 6) 报告生成模块（report.py / report_html.py）：Jinja2 渲染 Markdown 与离线 HTML 报告，后者使用本地 vendor 的 ECharts + echarts-wordcloud