TTS 阅读器需求量大且供应充足。但这是否意味着所有 文字转语音 技术都能提供相同的性能？许多 TTS 屏幕阅读器可以处理来自 Microsoft Word 文档、HTML 网页或其他文本文件中复制粘贴的数字文本。但很少有能将图像中的锁定数字和物理文本转换为自然听感的叙述。那些能够做到的使用了光学字符识别 (OCR)。
什么是 OCR？
OCR，即光学字符识别或文本识别，是一种专为数据提取而设计的技术。它在商业应用和休闲娱乐中有着广泛的用途。这种技术通常有两个组成部分。它有一个硬件部分用于扫描图像，还有一个软件部分用于提取和重新利用数据。但软件组件是最令人兴奋和复杂的部分。OCR 软件可以识别单个字母和整个单词，并将它们排列成句子。此外，它使用户能够编辑原始锁定内容，类似于编辑带有锁定文本内容的 PDF 文件。
OCR 的工作原理
光学字符识别 (OCR) 是一种将不同类型的文档，如扫描的纸质文档、PDF 文件或数码相机拍摄的图像，转换为可编辑和可搜索数据的技术。该过程始于 OCR 软件分析文档图像的结构，检测包含文本的区域。然后将这些区域分割成行、单词和字符。每个字符与一组预定义的模式进行比较，或通过机器学习模型进行训练，以识别并转换为机器编码文本。这种转换使图像中的文本可以被编辑、搜索和数字化处理。
结合文字转语音和 OCR
将光学字符识别与文字转语音技术结合，创造出一种强大的工具，提升了可访问性和效率。OCR 从扫描文档、图像或印刷材料中提取文本，并将其转换为机器可读文本。然后，这些文本可以输入到 TTS 系统中，将书面文字转换为语音音频。这种协同作用允许广泛的应用，例如帮助视障人士“阅读”印刷材料，将书籍和文档转换为有声读物，或提供印刷外文文本的实时音频翻译。通过将 OCR 与 TTS 集成，用户可以更动态地与文本内容互动，使信息对所有人更易获取，无论他们的阅读能力或视力障碍如何。
文字转语音 OCR 的用途
结合 OCR 和 TTS 技术在各种场景中开辟了许多可能性，使信息更易获取和消费。以下是文字转语音 OCR 的一些用途：
- 辅助技术为视障人士服务：将书籍、文档或屏幕上的书面内容转换为语音，帮助视障或盲人“阅读”内容。
- 学习和教育：
- 帮助阅读障碍学生：通过将书面文本转换为音频，帮助有阅读障碍的学生。
- 多模态学习：允许学习者同时阅读和聆听内容，提高理解和记忆。
- 翻译和语言学习：将书面外语文本转换为语音，帮助发音和理解。
- 数字内容消费：将书籍、新闻文章和其他印刷文本内容转换为有声读物或播客，便于随时随地消费。
- 文档可访问性：使 PDF、扫描文档和其他不可编辑格式对需要或偏好音频内容的人可访问。
- 历史文档分析：将旧手稿或档案文档转换为音频内容，供研究人员或爱好者聆听历史文本。
- 商业和生产力：将印刷的非数字报告转换为语音内容，供忙碌的专业人士使用。
- 校对：帮助作家或编辑通过聆听纸上书面内容来识别错误。
- 娱乐：将漫画书、图画小说或其他主要视觉媒体转换为听觉体验。
如何从图片中朗读文本
并不是每个苹果和安卓手机用户都知道，他们的应用程序可能具备OCR技术和TTS阅读器，能够完成简单的文本转语音转换任务。内置的TTS功能就像是免费的应用程序，可以为你朗读，或者像是从相机读取文本的免费应用程序，但其质量不如更高级的文本转语音软件。以下是在安卓和苹果设备上如何从图像访问文本阅读器的方法：
安卓
安卓设备，至少是运行安卓12操作系统及以上的设备，配备了内置的TTS阅读器。这是一个用于导航、阅读小字体等的有用工具。你也可以用它来读取图片中的文本。以下是设置设备的方法：
- 通过“设置”应用进入“辅助功能”菜单。
- 启用“选择朗读”选项。
- 进入TTS阅读器的“设置”选项卡，打开“读取图像上的文本”选项。
- 返回主屏幕并启动“相机”应用。
- 将相机对准书籍、报纸或其他带有数字文本的屏幕。
- 在“相机”应用中点击“选择朗读”按钮，然后点击一个单词。
TTS安卓阅读器将从高亮显示的单词开始朗读。你可以像使用文字处理器一样，通过在屏幕上拖动手指来选择文本块。
苹果
使用iPhone朗读实体文本需要一个正常工作的相机、iOS 15及以上版本，并启用内置的TTS阅读器。
- 从“设置”菜单中进入“辅助功能”选项卡。
- 点击“朗读内容”功能。
- 启用“朗读选择”和“朗读屏幕”选项。
- 返回主屏幕并打开相机。
- 将相机对准页面，等待底部工具栏上出现“实时文本”按钮。
- 点击按钮以启用OCR屏幕阅读。
- 用两根手指向下滑动，从页面顶部开始阅读。
- 点击一个单词或在屏幕上选择一段文字，以朗读特定的单词、句子或段落。
与安卓设备类似，iPad和iPhone的OCR和TTS功能有限。虽然文字处理的准确性高于平均水平，但由于其机械化的声音，语音质量令人失望。
Speechify—最佳的TTS与OCR技术结合
虽然内置的TTS阅读器和OCR软件在移动设备上很不错，但它们的质量和性能不够令人满意。幸运的是，你有一个替代的文本阅读应用。Speechify是一款文本转语音阅读器，结合了OCR技术和高质量的AI语音。其功能超越了默认的移动文本阅读器，可以扫描整本书和实体文件，将实体文本处理成数字文本。然后，复杂的算法生成自然的语音，你可以根据需要控制和调整阅读速度。Speechify文本转语音软件可在以下平台使用：
无论你是从苹果应用商店还是谷歌应用商店获取，或是下载桌面Mac版本或Chrome浏览器扩展，一个许可证足以在所有桌面和移动设备上使用Speechify。用户友好的界面适合所有年龄段和技术背景。Speechify的OCR扫描可用于实时在线阅读。
Speechify 的辅助技术专为有阅读障碍、视觉障碍和多任务处理需求的用户设计，不仅仅是一个普通的全屏阅读器。它是您想要将任何数字和实体文本转换为有声书的应用程序，创建播客，并以更少的努力和更高的专注力提高您的阅读技能。试用免费的 Speechify文字转语音应用程序，个性化沉浸式阅读体验。Speechify 还提供在线AI 语音生成器，允许您使用任何输入的文本亲自测试其语音。
