Formules

Presentation

Module autonome, zero dependance externe (aucune dependance Python tierce). Transforme toute formule ecrite en sa lecture francaise avec transcription phonetique IPA. Fonctionne en local (zero config) ou via l’API Lectura.

Nombres, sigles, dates, telephones, heures, monnaies, ordinaux, fractions, notations scientifiques, expressions mathematiques, coordonnees GPS — tout est couvert.

Chaque formule est decomposee en events alignes : chaque composant de la formule est associe a son texte lu, sa transcription IPA, et sa position dans la formule source. Cet alignement permet la lecture synchronisee et la lecture audio a partir d’une banque de sons WAV (~12 Mo, 289 fichiers disponibles sur GitHub).

Pour une demo complete avec lecture audio et alignement visuel, voir le programme Lectura Formule.

Types de formules supportes

Exemple

from lectura_formules import lire_formule

result = lire_formule("NOMBRE", "42")
print(result.display_fr)    # "quarante-deux"
print(result.phone)         # "kaʁɑ̃tdø"

# Events alignes : chaque composant avec son texte, IPA et position
for event in result.events:
    print(f"  {event.ortho:15s}  {event.phone:10s}  sound_id={event.sound_id}")
# quarante         kaʁɑ̃t       sound_id=
# deux             dø           sound_id=

result = lire_formule("DATE", "25/12/2024")
print(result.display_fr)    # "vingt-cinq decembre deux-mille-vingt-quatre"

Essayer en ligne

Cliquez sur « Essayer » pour lancer la demo.

Alignement et lecture audio

Chaque formule est decomposee en events (EventFormuleLecture) qui fournissent :

Cet alignement permet de :

• Surligner chaque partie de la formule pendant la lecture
• Jouer les sons WAV composant par composant
• Synchroniser l’affichage visuel avec l’audio

Les fichiers WAV (~12 Mo, 289 sons) sont disponibles sur GitHub. Le programme Lectura Formule offre une demo interactive complete avec lecture audio synchronisee.

Reconnaissance IPA → formule

Nouveau en 3.2.0 — Le chemin inverse : a partir d’une transcription IPA, retrouver la formule source et le texte francais.

from lectura_formules import reconnaitre_ipa

result = reconnaitre_ipa("kaʁɑ̃t dø")
print(result.display_num)   # "42"
print(result.display_fr)    # "quarante-deux"
print(result.phone)         # "kaʁɑ̃t dø"

# Fonctionne pour tous les types de formules
reconnaitre_ipa("kɛ̃z maʁs dø mil vɛ̃ katʁ")     # → "15/03/2024"
reconnaitre_ipa("katɔʁz œʁ tʁɑ̃t")               # → "14h30"
reconnaitre_ipa("kaʁɑ̃t dø øʁo")                  # → "42€"
reconnaitre_ipa("sɛ̃kɑ̃t puʁ sɑ̃")                 # → "50%"

La reconnaissance est tolerante aux espaces (manquants, supplementaires ou corrects) et verifiee par aller-retour : la formule reconstruite est relue par le moteur forward, et le resultat n’est retourne que si l’IPA produit correspond a l’entree.

Reconnaissance de formules mathematiques

Nouveau en 3.3.0 — Reconnaissance inverse des expressions mathematiques : operateurs, fonctions, lettres grecques, exposants, racines et parentheses intelligentes.

from lectura_formules import reconnaitre_maths_ipa

reconnaitre_maths_ipa("dø plys tʁwa eɡal sɛ̃k")                  # → "2+3=5"
reconnaitre_maths_ipa("ɛf də iks eɡal dø iks o kaʁe plys sɛ̃k iks mwɛ̃ tʁwa")  # → "f(x)=2x²+5x-3"
reconnaitre_maths_ipa("ø eɡal ɛm se o kaʁe")                     # → "E=mc²"
reconnaitre_maths_ipa("sinys də iks")                              # → "sin(x)"
reconnaitre_maths_ipa("ʁasin kaʁe də nœf")                        # → "√9"
reconnaitre_maths_ipa("alfa plys bɛta eɡal ɡama")                 # → "α+β=γ"

La detection de spans permet de reconnaitre les formules a l’interieur de phrases IPA completes :

from lectura_formules import detect_formula_spans

spans = detect_formula_spans(["la", "fɔʁmyl", "dø", "plys", "tʁwa", "eɡal", "sɛ̃k", "ɛ", "kɔnɥ"])
# → [(2, 7, <result: "2+3=5">)]

Des variantes tolerantes STT (reconnaitre_maths_ipa_stt, detect_formula_spans_stt) gerent les approximations des moteurs de reconnaissance vocale (normalisation vocalique, variantes CTC, tolerance Levenshtein).

Detecteur unifie STT (heures, dates, fractions)

Nouveau en 3.6.0 — Le detecteur detect_formule_spans_stt remplace detect_number_spans en mode STT. Il detecte automatiquement tous les types de formules (nombres, heures, dates, monnaies, pourcentages, fractions, ordinaux) dans une phrase IPA produite par un pipeline STT.

from lectura_formules import detect_formule_spans_stt

# Heure : "quinze heures cinquante-sept"
spans = detect_formule_spans_stt(["kɛ̃z", "œʁ", "sɛ̃kɑ̃t", "sɛt"])
# → [(0, 4, <result: "15h57">)]

# Date : "treize decembre mille neuf cents"
spans = detect_formule_spans_stt(["tʁɛz", "desɑ̃bʁ", "mil", "nœf", "sɑ̃"])
# → [(0, 5, <result: "13/12/1900">)]

# Fraction : "trois cinquieme"
spans = detect_formule_spans_stt(["tʁwa", "sɛ̃kjɛm"])
# → [(0, 2, <result: "3/5">)]

La distinction fraction/ordinal repose sur le contexte multi-mots : “trois cinquieme” (2 mots) → fraction 3/5, “cinquieme” seul → ordinal 5e.

Le pre-filtre _is_formule_token accepte les categories nombre, mois, heure_word, devise, pourcent et ordinal (plus large que l’ancien _is_number_token qui n’acceptait que nombre et special).

Tolerance CTC pour la reconnaissance STT

Nouveau en 3.5.0 — Le pipeline STT (CTC + P2G) produit de l’IPA globalement correct, mais avec des variantes phonetiques mineures qui faisaient echouer la detection de formules. La version 3.5.0 gere automatiquement ces confusions CTC :

Les variantes sont generees automatiquement pour toutes les entrees de la table de lookup (nombres, mois, devises, symboles).

Modes de detection des nombres

La fonction detect_number_spans propose trois modes de detection :

from lectura_formules import detect_number_spans

# Mode auto : "sɑ̃" seul (cent) n'est pas converti
detect_number_spans(["sɑ̃"], min_span=1, mode="auto")       # → []

# Mode auto : "sɑ̃ dø" (cent deux) est converti
detect_number_spans(["sɑ̃", "dø"], min_span=1, mode="auto") # → [(0, 2, <102>)]

# Mode num : tout est converti
detect_number_spans(["sɑ̃"], min_span=1, mode="num")         # → [(0, 1, <100>)]

API principale

Installation

pip install lectura-formules

Caracteristiques techniques

• Zero dependance Python (aucune dependance tierce, independant du Tokeniseur)
• 15+ types de formules reconnus
• Transcription phonetique IPA automatique
• Events alignes : decomposition composant par composant avec positions
• Sons WAV optionnels (~12 Mo, 289 fichiers) disponibles sur GitHub
• Python 3.10+ avec type hints complets (PEP-561)
• Version : 3.6.0
• Licence : AGPL-3.0 (non commerciale) — licence commerciale sur demande : admin@lectura.world