中文文本规范化

用来解决中文文本里繁简混用、引号不统一、全半角混杂等格式问题——统一成出版级规范样式，并可整篇转写为拼音。与文本清洗互补：本工具做无损统一（一字不丢、人能读），文本清洗做降噪减字（给下游模型用），建议先规范化、再清洗。

繁简转换支持 9 种模式（繁↔简、繁↔台湾、繁↔港澳、自动检测），按专业自建词典判断上下文，而不是单字一一替换，可正确处理（头发 / 髮）（干 / 乾）等多义字；标点规范化覆盖 7 项独立规则（全角数字字母转半角、直引号转中文弯引号并配对校验、错配引号修正、省略号统一、破折号统一、多余空白折叠），每项独立计数；数字转正文用大模型智能判断（数字+中文）组合是否为词（地名、线路、楼号等），将数字转为中文写法避免被清洗误删；拼音提供声调符号、声调数字、无声调三种形式，并可按词切分以避开多音字误读。

报告给出规范化总览（繁简变更数、标点修改数、数字转正文数、拼音覆盖字数）、标点子项分布条形图、每份文件的修改统计（原字数、改后字数、各项变更数），以及数字转正文记录表、原文与改后并排的修改样例与无法自动判定的人工复核警告清单；规范化主文件与拼音 CSV 可整批下载。

典型场景：字幕、教材、播报稿、港台稿件出海等发布前的最后一道格式统一；政策文件数字规范化；分词、词频、关键词与聚类等下游分析的预处理步骤。