文字包含化学表达式时怎么处理呀

[liudiao1992]

比如硫酸的化学表达式是H₂SO₄

[XianYue0125]

我想这需要用代码做一些替换，比如{"H₂SO₄":"硫酸","HCL":"盐酸"}这样的，替换之后再去推理语音。

因为我在做数学推理的时候，也会有特殊符号，有时候加减乘除就读的很好，有时候上下文不一样，就读错了。

/ 左边这个符号有时候读“除”，有时候读“每”。这个可以理解，毕竟两个意思都对，得看上下文，但为了保证准确，一般会直接替换成对应的汉字。

H₂SO₄这种字符，模型可能比较难找到对应的发音。

[liudiao1992]

@XianYue0125 这是一种办法，但是化学方式太多了，应该是列不全的。

[RVC-Boss]

有意思的问题

[KevinZhang19870314]

让GPT给你翻译一遍，然后再做tts推理。

[XianYue0125]

gpt翻译当然最好，但我这边对响应速度有要求，所以更倾向于用代码处理。

我用的是如下这种方式，这只是部分正则的代码，还有一些键值对替换，可以得到还不错的效果，latex用sympy转换成普通公式，然后正则替换一下，把符号换成对应读法，我想化学也可以用类似的方法处理一下。

import re

def replace_zh(input_string): # 专门替换：的？次方,？的绝对值

# 替换^n为 的n次方
def replace_power_n(match):
    return "的{}次方".format(match.group(1))

# 替换|x|为 绝对值x
def replace_abs(match):
    return "绝对值{}".format(match.group(1))

# 替换log_b(x) 或 log_bx 或 log_b(x/y) 为 以b为底x的对数 或 以b为底(x/y)的对数
def replace_log(match):
    base = match.group(1)
    number = match.group(2) if match.group(2) else match.group(3)
    return "以{}为底{}的对数".format(base, number)

# 使用正则表达式进行替换
# 先处理^n的情况
result = re.sub(r'\^(\w)', replace_power_n, input_string)
# 再处理|x|的情况
result = re.sub(r'\|(\w+)\|', replace_abs, result)
# 处理log_b(x) 和 log_bx 以及 log_b(x/y) 的情况
result = re.sub(r'log_([\w\d])\(([\w\d/]+)\)|log_([\w\d])([\w\d/]+)', replace_log, result)
# 处理Log_aN的情况
result = re.sub(r'Log_(\w)(\w+)', replace_log, result)

return result

测试用例

test_string = "log_2(3/4) |x| ^2 log_a(b) log_c(x/y) ^3 Log_dF" print(replace_zh(test_string))

[wewaa]

效果如何吗？这个只要涉及专业词语，数字人基本是废了。