您当前的位置: 戛纳新闻网 > 科技 > 强大的OCR技术+多元的用户场景 口碑型App白描的开发之路

强大的OCR技术+多元的用户场景 口碑型App白描的开发之路

发布日期:2021-08-26

现实中,你可以轻松无障碍的阅读各类平面印刷文字以及身边的一切,或许你未曾想过,视障人群该怎么办呢?

统计数据显示,中国大约有1700万的视障群体,相当于每100个人中就有超过1位是视障人士。但我们在日常生活中却很少见到他们,那是因为视障群体在日常生活中会有诸多不便,出门对他们而言危机四伏。AI有可能成为他们的“眼睛”吗?

成为他们的眼睛:白描App与视障群体的故事

如果手机上只能有一款App,你会选择哪一款?视障人士安之坚定地给出了答案——白描。因为白描App让视力不佳的他用另一种方式“看”清世界,文字不再遥不可及。他用白描“看”过优美的诗篇,“听”过动人的乐章,甚至在独自上楼看不清所在楼层时,白描也准确地将答案告诉了他,将他从窘境中解救出来。一个App让曾经望“字”兴叹的他更加勇敢的走出家门,参与丰富多彩的生活。

“白描是我的眼。”同为视障人士的小杰从不吝啬对白描的夸赞,甚至直言白描是视障伙伴赖以生存的工具。白描帮助他解决了生活的难题,从各类电器、数码产品、药品说明书到各种洗漱用品包装都可以识别,他还可以给可爱的小侄女讲绘本故事。如果没有白描,这种事情是他难以想象的。

白描是如何做到被视障群体视若珍宝的呢?白描App是一款简洁高效的OCR文字识别软件,不仅简单好用,而且设计美观,可以轻松实现“拍照-识别文字-朗读结果”一系列流程。同时,白描适配了手机无障碍辅助功能,视障者可以在手机上非常轻松地操作。

“白描”这个词本意是一种文学写作手法,鲁迅先生曾把这种手法概括成十二个字,即“有真意,去粉饰,少做作,勿卖弄”。白描App的开发者陶新乐正是这样的一个人,他观察到了不同人群的实际需求,用虚拟世界的代码满足了现实世界有需求的人,让他们的生活变得更加美好、便捷。

白描App开发者的心路历程:切入不同场景、优化产品细节

你或许很难想象,作为一名个人开发者的陶新乐,他最早开发白描App是为了女朋友。陶新乐的女友热爱阅读,经常做读书笔记。为了减轻抄录压力,她尝试使用了当时市面上的各类文字识别软件,但她发现:有的软件操作流程繁琐,有的费用高昂,有的则识别不准确……看到女朋友痛苦不已,陶新乐当下决定亲自做个体验好、效果佳的OCR文字识别工具给女朋友使用,并且很快付诸了行动。这或许就是开发者独有的浪漫。

然而,一款App的开发过程是充满未知与挑战的。在当时的条件下,开发一款具有OCR功能的软件,面临的一个巨大挑战是:如何让文字识别的又快又准。因此,他调研了市面上提供此服务的厂商,并对不同厂商的产品进行了对比,尝试识别不同场景的图片,找出识别效果最好的那个。于是他发现,百度大脑AI开放平台的OCR技术能力和使用体验都是最好的,尤其是识别准确度更领先于其他厂商,所以在2017年他就毫不犹豫的选择了百度OCR技术,并一直使用至今。

但是优秀的底层技术并不意味着全部,百度大脑OCR已提供近60项技术能力,好的技术也需要应用于匹配的场景才能发挥更大的价值。

于是,陶新乐首先对白描的使用场景做了细分研究,比如:学生上课拍PPT提取文字记笔记、企业员工把纸质合同扫描成电子版并且制作PDF、把纸质表格转成Excel电子版、翻译图片上的文字、老师拍摄并识别试题后对试题再加工、律师用来提取纸质文书上的文字等等。特别的是,视障人群特殊的使用需求,他都有关注和调研。

考虑完用户的使用场景之后,再者就是对产品的不断打磨。当时,图片转文字常常会有识别错误的情况发生,为了弥补这一问题,在识别之前,白描APP会进行一些技术上的处理,比如图像压缩如何保证清晰度又尽量减小图片大小;如何在进行长图自动裁剪时,检测到长图的空行位置自动裁剪,且不会裁到文字;如何针对文章进行自动分段,更便于读者阅读等等。这些精细化的产品设计保证了图片的清晰度,让文字信息更易于被识别。而在识别之后,白描的校对功能,可以让识别结果与原图显示在同一界面上,方便用户快速找到需要修改的地方,在此基础上进行编辑。

依托百度优秀的深度学习算法和基于海量优质数据的预训练模型,以及白描App的图像预处理能力,最终实现了关键字段识别准确率99+。看到女友使用白描时绽放的笑颜,陶新乐觉得一切都是值得的,他也希望更多人能够享受到这份快乐。

成功的背后:用“匠人”之心雕琢产品之光

程序员出身的陶新乐在做产品这件事上一直怀揣一颗“匠人”之心。陶新乐提到,AI在落地的过程中会遇到很多的困难,很多时候都是一边踩坑一边向前走。当遇到无法解决的问题时,就需要不断学习,攻坚克难。

百度大脑OCR技术与无数像陶新乐一样的开发者并肩同行。作为最早规模化应用的AI技术之一,OCR技术的产业级应用持续取得突破。百度大脑OCR技术可提供多场景、多语种、高精度的文字检测与识别服务,多项ICDAR指标居世界第一,已广泛适用于远程身份认证、财税报销、文档电子化等场景,为企业降本增效,为用户带来更智能化的应用体验。

当然,AI技术的应用落地,除了需要有百度大脑这样提供领先AI技术能力的平台外,还需要更多像陶新乐这样的开发者们,发挥想象将AI应用在更多真实场景中,满足不同用户群体,甚至是容易被忽视的残障人群的需求,让社会更有“AI”。同时,为了降低独立开发者和企业自主训练OCR文字识别模型的门槛,百度大脑推出业界首个EasyDL OCR自训练平台,提供零门槛、定制化、低成本的一站式OCR模型训练服务。保证高准确率的同时,满足多元化的场景需求,并有效保障数据安全。

在这个科技为大众生活赋能的时代,产品的设计更是一种普惠理念的输出。已拥有超过800万用户的白描App,已经成为业界的口碑产品。相信,未来还将有越来越多的开发者通过百度大脑AI开放平台提供的AI技术与服务,创造出更多与场景相结合的智能应用,让更多人生活更便捷、更美好。