人工智能時代是繼工業(yè)化及信息時代之后的一個新時代。隨著5G、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等先進技術(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——

職場中的你一定遇到過大段的紙質(zhì)資料無法時刻存儲到移動端方便保管，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、日文等多語種文字不認識，耽誤自己的行程安排。

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

現(xiàn)在有了訊飛開放平臺最新上線的AI百寶箱，以上場景難題統(tǒng)統(tǒng)可以解決！基于先進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人用戶、開發(fā)者、企業(yè)團隊的應(yīng)用需求。

AI百寶箱顧名思義就是集成語音合成、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，精準的應(yīng)用效果，優(yōu)質(zhì)的服務(wù)反饋等特點。目前已經(jīng)上新OCR文字識別（限時免費）及AI語音合成能力，下面就跟隨小編開啟百寶箱的AI奧秘吧。

1快速精準識別文字

AI百寶箱的OCR文字識別是基于訊飛第四代識別框架，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文字識別提供多場景、多語種、高精度的整圖文字監(jiān)測和識別服務(wù)，支持文檔版面分析和結(jié)構(gòu)化信息輸出。其主要優(yōu)勢有：

識別速度快，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。

識別精準，可以將圖片中的字體準確識別，達到實用級標準。

識別語種多，支持中文（簡體or繁體）、英國、日本、韓國、德國、法國、意大利、葡萄牙、西班牙、荷蘭等多種語言文字識別。

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

政務(wù)OCR應(yīng)用場景

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

教學OCR應(yīng)用場景

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

票據(jù)OCR應(yīng)用場景

企業(yè)數(shù)字化中常見的財務(wù)報銷、稅務(wù)核算等場景所涉及的各類票據(jù)進行結(jié)構(gòu)化識別與輸出。包括增值稅發(fā)票、火車票、出租車發(fā)票、營業(yè)執(zhí)照等常見票據(jù)。通過OCR識別把發(fā)票信息直接錄入到系統(tǒng)中，同時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百寶箱上線的語音合成提供100+發(fā)音人供您選擇，支持多語種、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、出行導航、智能硬件和通知播報等場景。

訊飛專注語音20年，將AI語音合成達到實用標準，人聲自然飽滿富有表現(xiàn)力。其主要優(yōu)勢是：

真實自然，專業(yè)實力：專注語音20年，達到實用標準；人聲自然飽滿，富有表現(xiàn)力。

多方言，多語種：支持19個語種，11種方言，2種民族語言，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。

多場景，多風格：6大場景，100+發(fā)音人，男女老少，風格隨心選。

動態(tài)調(diào)參，自由配置：隨心調(diào)節(jié)語調(diào)/語速/音量等參數(shù),滿足復雜場景需求。

定制音庫，專屬聲音：300句簡短錄音，15天深度定制，個性化定制聲線，打造品牌標識。

合成路徑簡捷，語音自然媲美人聲。使得訊飛語音合成技術(shù)廣泛應(yīng)用于新聞播報，硬件交互，出行導航等多應(yīng)用場景。

新聞播報應(yīng)用場景

為新聞播報場景提供風格穩(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)，例如為中國中央電視臺，提供定制音庫解決方案，定制康輝、歐陽夏丹主播音庫，通過訊飛的語音合成接口，實現(xiàn)央視新聞公眾號中“早??！新聞來了”有聲欄目打造。

硬件交互應(yīng)用場景

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

出行導航應(yīng)用場景

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

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

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

原文標題：訊飛AI百寶箱：語音合成媲美人聲，OCR多語種文字一鍵識別

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

責任編輯：haq