近日，訊飛輸入法上線“智能拍照輸入”功能，該功能基于科大訊飛新一代視覺A.I.技術(shù)，融合手寫識(shí)別和機(jī)器翻譯等技術(shù)，打造拼音、手寫、語(yǔ)音之外的輸入交互方式。關(guān)于訊飛輸入法“智能拍照輸入”功能的特點(diǎn)以及產(chǎn)品愿景，網(wǎng)易科技獨(dú)家專訪了科大訊飛輸入法業(yè)務(wù)部總經(jīng)理程坤。

除了鍵盤和語(yǔ)音，你還可以這樣輸入？

一款新產(chǎn)品的發(fā)布，或者全新產(chǎn)品功能的推出，作為用戶來(lái)講，最關(guān)心的莫過(guò)于其功能特點(diǎn)所在。關(guān)于訊飛輸入法“智能拍照輸入”功能特點(diǎn)，程坤將其總結(jié)為三點(diǎn)。

首先，在使用場(chǎng)景層面，訊飛輸入法“智能拍照輸入”基于科大訊飛的整體A.I.能力，擴(kuò)展和延伸了文字掃描功能。用戶通過(guò)“拍照”就能搞定各種復(fù)雜信息的錄入，程坤介紹到，訊飛輸入法“智能拍照輸入”除了基礎(chǔ)的文字識(shí)別之外，還可以通過(guò)拍照識(shí)別表格內(nèi)容并生成可編輯的excel文檔，對(duì)于包含文本外復(fù)雜信息的素材，也可將其恢復(fù)為word格式的可編輯文檔，解決了多種辦公場(chǎng)景的用戶剛需。此外，在教育場(chǎng)景中，用戶通過(guò)拍照，也可以將手寫的數(shù)理符號(hào)、公式等內(nèi)容轉(zhuǎn)化為電子版，輕松完成輸入。

其次，在識(shí)別的效果層面，除了對(duì)印刷體的識(shí)別，訊飛輸入法還支持手寫體識(shí)別，即使角度扭曲、圖片模糊、超遠(yuǎn)距離，依然可以準(zhǔn)確識(shí)別。語(yǔ)言方面，除了中文還支持英、日、韓、德等多種主流語(yǔ)種語(yǔ)言的識(shí)別輸入，中英文混合識(shí)別。

此外，訊飛輸入法“智能拍照輸入”擴(kuò)展了輸入的智能性，其智能批改功能，用戶通過(guò)簡(jiǎn)單的拍照操作就可以完成對(duì)小學(xué)數(shù)學(xué)多種題型的批改。

智能拍照輸入是如何克服研發(fā)難題的？

針對(duì)以上幾個(gè)產(chǎn)品特點(diǎn)，程坤也介紹了訊飛在研發(fā)過(guò)程中遇到的技術(shù)難點(diǎn)以及解決方案。

程坤談到，圖像識(shí)技術(shù)實(shí)際上也是一種感知智能，在產(chǎn)品研發(fā)過(guò)程中，需要借助海量訓(xùn)練的數(shù)據(jù)，而得到這些數(shù)據(jù)的渠道和方法尤為重要，“印刷體的數(shù)據(jù)在網(wǎng)上很容易找到，然而手寫體由于不同人書寫風(fēng)格的不同，加以光線等影響因素，數(shù)據(jù)很難得到。”程坤表示。為了解決這個(gè)問(wèn)題，訊飛通過(guò)自然場(chǎng)景的數(shù)據(jù)增強(qiáng)技術(shù)，采用人工智能技術(shù)生成批量訓(xùn)練數(shù)據(jù)，解決了前期數(shù)據(jù)量不足的問(wèn)題。

同時(shí)，針對(duì)數(shù)學(xué)公式的識(shí)別，印刷體的識(shí)別相對(duì)較易實(shí)現(xiàn)，但手寫體的識(shí)別，依然存在極大挑戰(zhàn)。程坤介紹，由于數(shù)學(xué)公式涉及左右、上下等符號(hào)角標(biāo)，考慮符號(hào)與符號(hào)之間較小的像素比，導(dǎo)致很多情況下難以區(qū)分。此外，不同人的書寫習(xí)慣也存在很大差異。為了能提高數(shù)學(xué)公式的識(shí)別準(zhǔn)確度，科大訊飛采用了基于樹形結(jié)構(gòu)建模的解決方案。首先從局部識(shí)別，區(qū)分符號(hào)大小，排除干擾因素，進(jìn)而提取需要進(jìn)行識(shí)別的主體，大大提升了識(shí)別效果。

人工智能技術(shù)讓輸入更快更準(zhǔn)更聰明

談到這一功能的研發(fā)初衷，程坤表示：“一開始是因?yàn)榭吹搅烁鞣N各樣的用戶需求，比如很多人都經(jīng)歷過(guò)的想要把圖片或者pdf，書報(bào)雜志、手寫的會(huì)議紀(jì)要上的文字快速變成可編輯的電子版，或者購(gòu)買、查看一些商品/物品使用說(shuō)明是小語(yǔ)種，或者一些數(shù)學(xué)公式不知道怎么輸入，當(dāng)時(shí)就想，作為手機(jī)端高頻應(yīng)用服務(wù)的輸入法，能否將這些用戶需求一并考慮進(jìn)來(lái)，擴(kuò)大信息輸入的外延，借助科大訊飛新一代視覺A.I.技術(shù)，讓大家在不同應(yīng)用場(chǎng)景下通過(guò)手機(jī)拍照功能實(shí)現(xiàn)文字信息一鍵錄入，我們認(rèn)為，輸入法絕對(duì)不止是單純的打字工具，更是一個(gè)集信息輸入、查詢、獲取、娛樂(lè)于等各種功能的信息處理平臺(tái)，希望能通過(guò)人工智能技術(shù)探索新的輸入方式，滿足用戶不斷變化的需求。”

在程坤看來(lái)，這也是整個(gè)訊飛輸入法產(chǎn)品功能的研發(fā)動(dòng)因，希望基于科大訊飛在人工智能領(lǐng)域的一系列積累，以及對(duì)于用戶使用痛點(diǎn)的不斷挖掘，從而不斷提出可行性解決方案。“訊飛輸入法現(xiàn)階段的發(fā)展重點(diǎn)就是不斷將AI技術(shù)融入到更多的使用場(chǎng)景中，為用戶提供系統(tǒng)化的輸入解決方案，滿足用戶在不同場(chǎng)景下的個(gè)性化輸入需求。”

被問(wèn)及訊飛輸入法的產(chǎn)品愿景，程坤將其闡述為三個(gè)層次：場(chǎng)景化、人群多元化以及智能情感化。程坤談到，例如用戶在即時(shí)通訊和游戲時(shí)使用輸入法，就存在明顯的使用場(chǎng)景的差別，而對(duì)于不同的用戶人群，例如學(xué)生、商務(wù)人士、老人等，又有基于不同使用需求的人群劃分。“年輕人喜歡游戲、喜歡皮膚表情，而商務(wù)人士也許只需要高效輸入。”程坤表示，基于此。訊飛推出諸如“長(zhǎng)輩模式”、“無(wú)障礙模式”等，希望針對(duì)不同人群的使用習(xí)慣，滿足他們的輸入體驗(yàn)。

最后，程坤希望訊飛輸入法在更智能的同時(shí)，可以擁有更加感性的使用體驗(yàn)。程坤認(rèn)為，目前的用戶與輸入法的交互，更多的是一個(gè)被動(dòng)的過(guò)程，訊飛輸入法希望借助科大訊飛人工智能技術(shù)的持續(xù)發(fā)展和進(jìn)步，朝著更快更準(zhǔn)更聰明的方向邁進(jìn)，使輸入法產(chǎn)品演變?yōu)榫邆渑惆楣δ艿那楦谢a(chǎn)品，最終進(jìn)化成一個(gè)有情感、智能的助手角色。

總結(jié)

以上是生活随笔為你收集整理的科大讯飞程坤：用AI技术引领输入方式新变革的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。