定義
逆テキスト正規化(ITN)とは、音声認識(ASR)が出力した「にせんにじゅうろくねん」のような話し言葉表記を「2026年」のような書き言葉表記に変換する後処理のこと。
逆テキスト正規化 (ITN)とは（詳しく解説）
逆テキスト正規化(ITN)は、音声認識(ASR)が生成する話し言葉ベースの出力(数字や日付、単位を仮名や口語表現のまま出力する形式)を、人間が読みやすい書き言葉の表記(算用数字、日付形式、通貨記号など)に変換する後処理工程を指す。テキスト読み上げ(TTS)側で使われる「テキスト正規化」の逆方向にあたるため、この名称で呼ばれる。ルールベース(正規表現・辞書)と、文脈依存の曖昧さに対応できるニューラルITNの2方式が広く採用されているとされる。実運用では、日本語のように数字の読みと表記の対応が多様な言語ほど誤変換が起きやすく、議事録や字幕生成の現場では固有名詞・専門用語・複数単位が混在する文でITNの精度低下が課題になりやすい。ASR APIの多くはITNを標準搭載するが、業界・専門用語に強いカスタム辞書を組み込むにはコスト増や追加のチューニング工数がかかる点も選定時に考慮される。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「逆テキスト正規化 (ITN)とは」 https://aipicks.jp/glossary/inverse-text-normalization
逆テキスト正規化 (ITN)の使用例
- ASR生の出力「にせんにじゅうろくねんきゅうがつついたち」→ITN適用後「2026年9月1日」に変換される。
- 字幕生成パイプラインでITNを無効化すると、金額が「せんにひゃくえん」のまま出力され読みにくくなる。
