人工智能時(shí)代是繼工業(yè)化及信息時(shí)代之后的一個(gè)新時(shí)代。隨著5G、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等先進(jìn)技術(shù)的發(fā)展，AI技術(shù)應(yīng)用已經(jīng)滲透到人們生活得方方面面——

職場(chǎng)中的你一定遇到過大段的紙質(zhì)資料無(wú)法時(shí)刻存儲(chǔ)到移動(dòng)端方便保管，尤其重要的手寫信息。

旅途中的你一定遇到過景區(qū)指示牌中有英文、日文等多語(yǔ)種文字不認(rèn)識(shí)，耽誤自己的行程安排。

視頻創(chuàng)作的你一定遇到過對(duì)于不同性別、年齡段、語(yǔ)種的配音需求，從而為作品的創(chuàng)新而煩惱......

現(xiàn)在有了訊飛開放平臺(tái)最新上線的AI百寶箱，以上場(chǎng)景難題統(tǒng)統(tǒng)可以解決！基于先進(jìn)的人工智能交互技術(shù)，AI百寶箱持續(xù)優(yōu)化產(chǎn)品能力，旨在滿足滿足更多個(gè)人用戶、開發(fā)者、企業(yè)團(tuán)隊(duì)的應(yīng)用需求。

AI百寶箱顧名思義就是集成語(yǔ)音合成、圖像文字、視頻處理等一系列AI能力供廣大用戶使用。具備便捷的操作路徑，精準(zhǔn)的應(yīng)用效果，優(yōu)質(zhì)的服務(wù)反饋等特點(diǎn)。目前已經(jīng)上新OCR文字識(shí)別（限時(shí)免費(fèi)）及AI語(yǔ)音合成能力，下面就跟隨小編開啟百寶箱的AI奧秘吧。

1快速精準(zhǔn)識(shí)別文字

AI百寶箱的OCR文字識(shí)別是基于訊飛第四代識(shí)別框架，結(jié)合圖卷積神經(jīng)網(wǎng)絡(luò)等結(jié)構(gòu)分析技術(shù)以及基于GAN的靈活數(shù)據(jù)生成技術(shù)，將圖像中手寫體或印刷體的文本轉(zhuǎn)換為可直接編輯處理的格式。

OCR文字識(shí)別提供多場(chǎng)景、多語(yǔ)種、高精度的整圖文字監(jiān)測(cè)和識(shí)別服務(wù)，支持文檔版面分析和結(jié)構(gòu)化信息輸出。其主要優(yōu)勢(shì)有：

識(shí)別速度快，只需不到1秒即可將圖片信息生成可編輯文本供用戶使用。

識(shí)別精準(zhǔn)，可以將圖片中的字體準(zhǔn)確識(shí)別，達(dá)到實(shí)用級(jí)標(biāo)準(zhǔn)。

識(shí)別語(yǔ)種多，支持中文（簡(jiǎn)體or繁體）、英國(guó)、日本、韓國(guó)、德國(guó)、法國(guó)、意大利、葡萄牙、西班牙、荷蘭等多種語(yǔ)言文字識(shí)別。

此外，OCR文字識(shí)別還可以應(yīng)用于多種場(chǎng)景，在資料存儲(chǔ)、輔助教學(xué)、圖片內(nèi)容筆記等實(shí)際操作過程中有著很好的助力。

政務(wù)OCR應(yīng)用場(chǎng)景

面向政務(wù)辦公，公檢法等行業(yè)。實(shí)現(xiàn)公文文檔，卡證信息，案例卷宗多種圖像文字識(shí)別，基于先進(jìn)的深度學(xué)習(xí)技術(shù)，速度快，識(shí)別快，輕松完成圖像識(shí)別為后續(xù)的信息處理（如檢索、翻譯）等提供基礎(chǔ)。

教學(xué)OCR應(yīng)用場(chǎng)景

基于深度學(xué)習(xí)的端到端識(shí)別技術(shù)，識(shí)別教育場(chǎng)景所涉及的作業(yè)及試卷中公式、手寫文字、速算題目等內(nèi)容。高準(zhǔn)確率高精度，1s完成作業(yè)批改，GPU平均1個(gè)字符約6ms。支持印刷體、手寫體、及方向有±15偏轉(zhuǎn)的速算題識(shí)別。可廣泛應(yīng)用于試題電子化、智能閱卷、智能搜題、批改作業(yè)等智慧教育場(chǎng)景。

票據(jù)OCR應(yīng)用場(chǎng)景

企業(yè)數(shù)字化中常見的財(cái)務(wù)報(bào)銷、稅務(wù)核算等場(chǎng)景所涉及的各類票據(jù)進(jìn)行結(jié)構(gòu)化識(shí)別與輸出。包括增值稅發(fā)票、火車票、出租車發(fā)票、營(yíng)業(yè)執(zhí)照等常見票據(jù)。通過OCR識(shí)別把發(fā)票信息直接錄入到系統(tǒng)中，同時(shí)支持將圖片上的文字內(nèi)容直接轉(zhuǎn)化為可編輯文本。

2百種語(yǔ)音合成自然媲美人聲

在線將文字轉(zhuǎn)化為自然流暢的人聲，AI百寶箱上線的語(yǔ)音合成提供100+發(fā)音人供您選擇，支持多語(yǔ)種、多方言和中英混合，可靈活配置音頻參數(shù)。廣泛應(yīng)用于新聞閱讀、出行導(dǎo)航、智能硬件和通知播報(bào)等場(chǎng)景。

訊飛專注語(yǔ)音20年，將AI語(yǔ)音合成達(dá)到實(shí)用標(biāo)準(zhǔn)，人聲自然飽滿富有表現(xiàn)力。其主要優(yōu)勢(shì)是：

真實(shí)自然，專業(yè)實(shí)力：專注語(yǔ)音20年，達(dá)到實(shí)用標(biāo)準(zhǔn)；人聲自然飽滿，富有表現(xiàn)力。

多方言，多語(yǔ)種：支持19個(gè)語(yǔ)種，11種方言，2種民族語(yǔ)言，中英混合自然合成。

節(jié)省空間，更省流量：安裝包尺寸低至1M，平均每字流量小于100B。

多場(chǎng)景，多風(fēng)格：6大場(chǎng)景，100+發(fā)音人，男女老少，風(fēng)格隨心選。

動(dòng)態(tài)調(diào)參，自由配置：隨心調(diào)節(jié)語(yǔ)調(diào)/語(yǔ)速/音量等參數(shù),滿足復(fù)雜場(chǎng)景需求。

定制音庫(kù)，專屬聲音：300句簡(jiǎn)短錄音，15天深度定制，個(gè)性化定制聲線，打造品牌標(biāo)識(shí)。

合成路徑簡(jiǎn)捷，語(yǔ)音自然媲美人聲。使得訊飛語(yǔ)音合成技術(shù)廣泛應(yīng)用于新聞播報(bào)，硬件交互，出行導(dǎo)航等多應(yīng)用場(chǎng)景。

新聞播報(bào)應(yīng)用場(chǎng)景

為新聞播報(bào)場(chǎng)景提供風(fēng)格穩(wěn)重，字正腔圓的男女聲主播，幫助傳統(tǒng)新聞媒體，快速完成有聲內(nèi)容建設(shè)，例如為中國(guó)中央電視臺(tái)，提供定制音庫(kù)解決方案，定制康輝、歐陽(yáng)夏丹主播音庫(kù)，通過訊飛的語(yǔ)音合成接口，實(shí)現(xiàn)央視新聞公眾號(hào)中“早啊！新聞來(lái)了”有聲欄目打造。

硬件交互應(yīng)用場(chǎng)景

滿足不同領(lǐng)域和場(chǎng)景的智能硬件使用，在機(jī)器能聽會(huì)思考的同時(shí)也能發(fā)出媲美真人的聲音， 讓智能硬件具有溫度，例如OPPO手機(jī)作為智能硬件的代表，通過科大訊飛的語(yǔ)音合成技術(shù)，打造語(yǔ)音助手“小歐”賦予個(gè)性化聲音特點(diǎn)，讓產(chǎn)品更有標(biāo)識(shí)度，更有溫度。

出行導(dǎo)航應(yīng)用場(chǎng)景

語(yǔ)音合成發(fā)音穩(wěn)定性高，滿足出現(xiàn)導(dǎo)航中遇到的各種地名、標(biāo)識(shí)，用聲音提升產(chǎn)品體驗(yàn)，為用戶的安全出行提供保障。常見于各種地圖導(dǎo)航系統(tǒng)例如：騰訊地圖通過訊飛合成技術(shù)，讓經(jīng)典游戲角色為你語(yǔ)音導(dǎo)航。

目前，AI百寶箱已經(jīng)上線了OCR文字識(shí)別和AI語(yǔ)音合成兩種應(yīng)用程序。未來(lái)隨著產(chǎn)品迭代，訊飛開放平臺(tái)還會(huì)持續(xù)上線諸如文字識(shí)別文本糾錯(cuò)等實(shí)用功能開放給更多用戶使用。

不管是AI百寶箱還是AI體驗(yàn)棧，都是訊飛開放能力下對(duì)智慧生活賦能，讓人們享受AI發(fā)展帶來(lái)的紅利。

原文標(biāo)題：訊飛AI百寶箱：語(yǔ)音合成媲美人聲，OCR多語(yǔ)種文字一鍵識(shí)別

文章出處：【微信公眾號(hào)：訊飛開放平臺(tái)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq