# API_final_project

**Repository Path**: KYXTWX/API_final_project

## Basic Information

- **Project Name**: API_final_project
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2020-07-02
- **Last Updated**: 2024-08-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# API、机器学习与人工智能期末项目

| 文档名称 | RFL book——产品需求文档 |
|------|--------|
| 产品名称 |   RFL book     |
| 产品描述 |   一款集读书、找书、听书于一体的阅读类APP     |
| 产品版本 |  1.2      |
| 文件现状 |   进行中     |
| 文件作者 |  孔晓桐      |

## 一、MVP加/价值主张宣言

#### MVP 1. 标题融合问题提出解决
- 该APP产品的三大目的分别是：1.为了使平时阅读的方式更加方便节约，减少纸质阅读报纸、书籍等等文本类物件的使用，我们可以实现多种电子化功能并提供一样的阅读体验，实现阅读形式的加值。2.为了用户在线下阅读时，能通过拍照书的封面来查找感兴趣的同类型的书，减少手动查阅的时间，更大程度地实现阅读的利益化。3.为了提供给用户更舒适简便的阅读方式，帮助用户释放双手和双眼，以语音播放的形式帮助用户阅读，通过多种音库的朗读功能来提供更极致的阅读体验。
#### MVP 2. 简介含问题及解决方案，融合概率性考量
- 使用到的人工智能技术是百度AI开放平台的通用文字识别api、相似图片搜索api、在线语音合成api。通用文字识别api提供了整图文字检测和识别服务，用户可以通过对文本拍照的方式，再由api对图片中的文字进行检测和识别，帮助用户对文字进行提取、保存处理，也可实现纸质文档电子化。相似图片搜索api，主要是在用户阅读纸质书籍时想了解更多同类型的书的情况下，用户可以通过对书籍拍照，就能检索到相似的书籍，提升了搜索查找的便捷性，优化用户体验。在线语音合成api帮助用户通过导入一篇文章或书籍，以文本文件的形式导入语音合成引擎，产生完整的可重复阅读的有声材料，最终以语音阅读形式呈现给用户。

## 二、问题需求

#### 1. 目标用户群：16~38岁的年轻阅读爱好者。

#### 2. 用户画像及使用场景

- 用户画像：
![输入图片说明](https://images.gitee.com/uploads/images/2020/0716/130552_4a62c9bc_2228748.jpeg "API用户画像.jpg")

- 使用场景：小圆老师在整理学生档案和课件的时候，发现很多文字因为存放的原因导致部分磨损，无法继续识别和保存，于是在做新的纸质文档的时候，拿起了手机，打开RFL bookAPP对这些文档进行拍照处理，文字就被提取和收录并永久保存在了手机里。在上班时被学生推荐了一本小说，发现对这种类型的小说很感兴趣，想继续看同类型的书籍，于是也打开了APP,拍下了书的封面，就看到很多同类型书籍的推荐，于是就开始阅读电子书。晚上下班回家后，在睡觉前，也打开了APP,用听的方式，接着阅读喜欢的小说。

#### 3. 问题表述

|     | 页面 |
|-----|----|
| 问题1 |  页面有什么功能？  |
| 回答1 | 文字识别、 相似图片搜索、语音合成 |
| 问题2 |  如何实现文字和图片识别？  |
| 回答2 |  用户通过上传图片、文档或者拍照的方式，来进行文字的提取和录入，对图片进行相关搜索和推荐  |
| 问题3 |  识别结果从哪里来？  |
| 回答3 |  在百度AI开放平台对api进行调用  |
| 问题4 |  语音识别是否会发生文字识别错误？  |
| 回答4 |  在线语音识别api比离线语音识别api准确度更高，存在流量输送，所以几乎不存在文字识别错误的情况  |
| 问题5 |  用户能否通过这款手机阅读APP得到与纸质阅读的质量？  |
| 回答5 |  这款APP相对于同类型的阅读类APP来说，功能性更强，在实现与纸质阅读的质量同等的情况下，还提升了用户体验，优化阅读  |

#### 4. 需求列表（对应API智能加值）

| 序号 | api技术 | 用户场景 | 优先级 |
|----|-------|------|-----|
| 1  |   百度AI开放平台的通用文字识别    |   对纸质文本材料进行电子化保存   |  A（重要）   |
| 2  |  百度AI开放平台的相似图片搜索     |  想找同类型的文章和书籍来阅读    |   B（次重要）  |
| 3  |   百度AI开放平台的在线语音合成    |  不想使用眼睛和手来阅读的情况下通过听的方式实现轻松阅读    |  A（重要）   |

## 三、需求概述

#### 1. 产品背景

如今的阅读方式已经不再局限于纸质材料，电子化阅读已经成为了当代社会的阅读主流形式，电子书也占了主体，不仅利于书的保存也节约了资源。在人们除了图书馆或书店以外阅读纸质书籍的情况下，很难可以找到与此书同类型的其他书，可能需要查找相关资料或亲自到图书馆才能查阅到。但是在这个快节奏的时代，人们总是想办法把事情简单方便化，更别说还要花时间去查阅相关书籍。同样，阅读也不例外，所以当可以不用眼睛和手来体验阅读的话，他们就会倾向于“听书”的形式，减少在阅读上产生的视觉疲劳。

#### 2. 产品市场

市场上很多阅读类的APP其实都有语音识别功能，有文字识别api的软件也不在小数，相似图片搜索的话其实目前市场还不算大，但是把三者结合在一起的APP，满足用户在阅读时就能轻松解决大多数会发生的情况，增强用户阅读体验，市场上可能还未能达到这种阶段。在社会进步的同时，人们对于阅读的需求越来越高，但是又不愿意长时间用眼睛阅读电子书，所以语音识别技术开始逐渐兴起，也有越来越多人热衷使用。

#### 3. 市场概述

- 语音合成技术目前主要往提高合成语音的自然度、丰富合成语音的表现力、多语种文语合成等多方面发展。不过在文本转语音功能上，已经能做到满足用户需求，也能在多款阅读APP上有所体现，实现了阅读的基本功能方式。这种单独的技术虽然说目前比较普遍，但是结合文字识别和图片检索技术，尚未成熟。

- 市场特征：图片检索、文字和语音识别三者结合的市场发展性很大，三者虽在各自的领域有一定的市场基础，但结合能带来更大的市场占有率。技术层面较大，智能性强，具有很大的挑战性。可用于读书、提供图像识别找到同类型书籍、语音播报让用户用听的方式阅读等多功能的阅读软件，在热爱阅读的用户群体中会受到很大的欢迎，市场包容性较大。

- 发展优势：功能性强，几乎解决了用户会在阅读时遇到的情况，实现便捷化阅读。目前对语音合成技术需求较大，比如“懒人听书”的形式受大众欢迎，有一定的市场。相似图片搜索用在搜查同类型书籍这一功能较为新颖，能够吸引新用户。

## 四、核心价值与用户痛点

**1. 核心价值：RFL bookAPP帮助用户轻松便捷地阅读，集合多功能为用户提供新的阅读体验。实现线上代替纸质材料轻松阅读、识别图像找书的新功能、解决不方便用双眼双手也能轻松阅读的情况。** 

**2. 用户痛点：** 

| 用户痛点 | API加值 |
|------|-------|
|   需要提取纸质文本材料内容，想永久保存纸质文档，但纸质文本材料保存期短且容易流失   | 百度AI开放平台的通用文字识别api      |
|   线下查阅某本书的同类型书籍、报刊、杂志或文章会浪费大量时间，过程麻烦且不准确   |   百度AI开放平台的相似图片搜索api    |
|   不方便用眼睛阅读或者在视觉疲惫的情况下，想释放双眼和双手，却又需要阅读材料的时候，希望能得到好的技术解决方法   |    百度AI开放平台的在线语音合成api   |

## 五、API技术优势与解决用户痛点

- [百度AI开放平台的通用文字识别技术](https://ai.baidu.com/tech/ocr/general)优势与解决用户痛点：
> 使用通用文字识别技术，实现拍照文字识别、相册图片文字识别和截图文字识别，可应用于搜索、书摘、笔记、翻译等移动应用中，方便用户进行文本的提取或录入，有效提升产品易用性和用户使用体验。使用通用文字识别技术，实现纸质文档的识别，并返回文字在图片中的位置信息以便于进行比对、结构化等处理，可满足文档快速录入、存档和检索的需求，提高信息录入效率。————帮助用户解决文档文本流失存放的问题，实现轻松提取图片文字内容，更方便地阅读。

- [百度AI开放平台的相似图片搜索技术](https://ai.baidu.com/tech/imagesearch/similar)优势与解决用户痛点：
> 将用户拍摄的图片在文档库和书库中搜索，找到同款或同类型的文章和书籍，进行书籍销售或者相关文章和书籍推荐，提升搜索查找的便捷性，优化用户体验。————为一些喜欢阅读同类型文章和书籍地用户带来了便捷，方便他们更快寻找合适的文本内容。

- [百度AI开放平台的在线语音合成技术](https://ai.baidu.com/tech/speech/tts_online)优势与解决用户痛点：
> 使用语音合成技术的阅读类APP，能够为用户提供多种音库的朗读功能，释放用户的双手和双眼，提供更极致的阅读体验。————提供给用户新的阅读体验，帮助用户轻松阅读，减少阅读的疲惫感，增强阅读品质。

## 六、产品结构图

* #### 产品功能结构图

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/112708_156a5e34_2228748.png "RFL+book.png")

* #### 用户流程图

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/131935_f11d54fd_2228748.jpeg "用户流程图.jpg")

* #### 产品流程图

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/133940_6dc6e375_2228748.jpeg "产品流程图.jpg")

## 七、产品原型及交互设计

- #### [原型html文档](https://gitee.com/KYXTWX/API_final_project)

- #### [原型交互展示](http://kyxtwx.gitee.io/api_final_project/#g=1&p=%E7%99%BB%E5%BD%95%E9%A1%B5)

 **1. 启动页面和注册登录页面** 

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/135220_c2b30f7a_2228748.jpeg "登录页.jpg")

 **2. 4大功能页面** 

- 读书页
![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/141714_c0bcc043_2228748.jpeg "读书.jpg")

- 找书页
![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/154339_1e177a90_2228748.jpeg "找书.jpg")

- 听书页
![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/155709_2f18f23c_2228748.jpeg "听书.jpg")

- 我的
![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/160410_d49e6761_2228748.jpeg "我的页.jpg")

## 八、API的运用

#### 1. 文字识别

**百度AI开发平台————通用文字识别api** 

> - 接口描述:基于业界领先的深度学习技术，提供多场景、多语种、高精度的整图文字检测和识别服务，多项ICDAR指标居世界第一。
> - HTTP 方法：POST
> - 请求URL：https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic

- 案例：

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/161644_0afc7e96_2228748.png "a.png")

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/162129_677bd2aa_2228748.png "b.png")

api识别图片中的文字，可提供多语种识别，并进行文本提取和录入。用户可通过提取到的文本进行保存处理，提高文本记忆。

- 代码：

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/170426_24a644a5_2228748.png "通用文字识别代码.png")

#### 2. 图像技术

 **百度AI开发平台————相似图片搜索api** 

> - 接口描述：该接口实现单张图片入库，入库时需要同步提交图片及可关联至本地图库的摘要信息（具体可传入图片在本地标记id、图片url、图片名称等），方便对图库中的图片进行管理、分类检索。 注：重复添加完全相同的图片会返回错误。
> - HTTP 方法：POST
> - 请求URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/realtime_search/similar/add

- 案例：

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/162834_4458fa67_2228748.png "c.png")

#### 3. 语音技术 

 **百度AI开发平台————在线语音合成api** 

> - 接口描述：百度语音合成服务，基于HTTP请求的REST API接口，将文本转换为可以播放的音频文件。
> - HTTP 方法：POST、GET， 推荐POST方式请求。 
> - 请求URL：http://tsn.baidu.com/text2audio 或 https://tsn.baidu.com/text2audio

- 代码：

![输入图片说明](https://images.gitee.com/uploads/images/2020/0717/170753_cbb4d28c_2228748.png "在线语音合成代码.png")

## 九、心得总结及感谢

- 百度AI开放平台提供的文字识别技术方便用户进行文本的提取或录入，有效提升产品易用性和用户使用体验。相似图片搜索技术提升搜索查找的便捷性，优化用户体验。语音合成技术能够为用户提供多种音库的朗读功能，释放用户的双手和双眼，提供更极致的阅读体验。三者合一在阅读APP领域具有更多功能开发的可能性，不仅能提高用户在阅读时的体验，增强产品性能，而且能给api技术带来更好的前景。
- 通过于其他平台的对比，发现百度旗下的AI开发平台提供的人工智能服务会更良好一些。也从API的体验中感受到了现代社会的智能化，给我们的生活带来了很大的变化，也带来了很多便捷的服务。不过通过一个学期的学习，可能对API调用方面还是掌握得不够，代码对于我来说还是一件很困难得事情，希望以后能在这方面有更大的进步。