蘋果實況文本功能對比測試

前天凌晨，蘋果帶來了近些年最幻滅的一次系統(tǒng)更新。沒有息屏顯示、沒有新的UI設(shè)計，沒有什么驚艷的黑科技，只有大量安卓用戶耳熟能詳?shù)摹靶鹿δ堋?。難怪網(wǎng)友評價：比起全新的系統(tǒng)版本，iOS 15更像是iOS 14的優(yōu)化版本，叫做iOS 14.8可能更適合。

不過，雖然iOS 15帶來的功能更新令人失望，但仍有部分網(wǎng)友毫不猶豫地選擇了嘗鮮Beta版。根據(jù)實際體驗，iOS 15 Beta版本BUG不少，唯一能拿得出手的更新內(nèi)容Facetime SharePlay還面臨著無法使用的窘?jīng)r。現(xiàn)在看來，實況文本（Live Text）功能，無疑是這次平平無奇的iOS 15 Beta版本更新中最實用的新功能了。

圖像識別，人人都有

首先介紹一下，所謂的「實況文本」，其實就是可以在iOS相機應(yīng)用中啟動的文字識別功能。無論是相機正在拍攝的畫面、已經(jīng)拍好的照片，還是手機屏幕截圖、網(wǎng)頁圖片，都可以通過該功能自動識別并轉(zhuǎn)錄照片中的文字，支持復(fù)制、粘貼、查找及翻譯，實現(xiàn)照片中的文本提取和快速應(yīng)用。

當(dāng)然，類似的圖像識別功能早已在眾多安卓品牌的手機上實現(xiàn)。無論是谷歌在四年前推出的Google Lens應(yīng)用，還是各家國產(chǎn)手機廠商自帶的“掃一掃”應(yīng)用，基本都能輕松實現(xiàn)文字提取。借此機會，小雷今天就來為讀者們解惑釋疑：蘋果的「實況文本」，究竟和其他同類功能有何不同？

首先，蘋果的「實況文本」是整合在相機里面的，用戶可以打開相機、打開相冊或是使用備忘錄里的「來自相機的文本」選擇使用該功能。實測iPhone可以自動識別出畫面中的文字，點擊按鈕即可提取自己想要的文字，還可以對提取出來的文字進行查詢、翻譯、拷貝、共享等操作。從結(jié)果來看，蘋果「實況文本」對印刷體的文本識別率還是很不錯的，對中文手寫體的文本識別率就不太理想了，需要改進。

（印刷體）

（手寫體）

此外，蘋果提取的「實況文本」還會自動識別號碼、網(wǎng)址和地址并生成超鏈接。點擊網(wǎng)址，即可跳轉(zhuǎn)對應(yīng)網(wǎng)站；點擊地址，就會打開對應(yīng)地址的地圖信息；點擊號碼，則可以選擇發(fā)送短信、添加到聯(lián)系人，用起來還是挺方便的。

（網(wǎng)址、地址）

（號碼）

接著，我們來嘗試一下谷歌原生的Google Lens應(yīng)用。文字識別方面，用戶直接在取景框點擊對應(yīng)內(nèi)容，即可提取自己想要的文字。實際體驗下來，Goolgle Lens對印刷體和手寫體的文本識別率出人意料地優(yōu)秀，谷歌研究多年的文字識別技術(shù)確實不是虛的。

（印刷體）

（手寫體）

此外，Google Lens同樣會自動識別網(wǎng)址、號碼等信息。被識別出來的網(wǎng)址，可以通過點擊下方的網(wǎng)頁選項完成跳轉(zhuǎn)；被識別出來的號碼，更是可以直接撥打給對方。此外，在面對比較復(fù)雜的大段圖文內(nèi)容時，Google Lens基本也能實現(xiàn)即拍即取，文本識別率相當(dāng)不錯。

最后，我們來試試國產(chǎn)廠商自帶的文本提取功能。以小雷常用的小米10為例，小米相機、「傳送門」和「掃一掃」里的文檔功能，均可以對圖片進行文本識別。實際體驗下來，小米相機對印刷體和手寫體的文本識別率都還不錯，作為文本識別功能而言絕對是合格的。

值得注意的是，小米「掃一掃」本身并沒有識別網(wǎng)址、號碼等特殊信息的能力，所有圖片掃出來都是可以編輯的無格式文本。用戶當(dāng)然可以自己復(fù)制網(wǎng)址、地址，然后打開對應(yīng)App進行搜索，就是使用起來比較繁瑣。

經(jīng)過測試，我們可以大致看出這三款產(chǎn)品之間的功能差異。文本識別方面，谷歌的Google Lens識別率毋庸置疑地排在榜首，小米的三種文本識別功能雖然各有差異，但是識別率排在第二還是沒什么問題的，蘋果的「實況文本」在這方面還可以多加改進。操作方面，三款產(chǎn)品均可通過實時拍照進行文字提取，操作起來都很直觀。功能方面，沒有識別能力的小米要稍遜一籌，而谷歌的搜索識別能力要比蘋果顯得更加方便好用。

谷歌能在這方面大獲全勝，自然是有其原因的。早在2010年，谷歌文檔就已經(jīng)加入了OCR文字識別功能，支持用戶將PDF檔案或圖片檔案中的文字轉(zhuǎn)換為可編輯的文本，而Google Lens在2017年就已經(jīng)與大家見面了，兩者之間的經(jīng)驗差距是巨大的，需要時間去彌補。

什么讓蘋果夠“蘋果”？

作為一個全新推出的功能，蘋果的「實況文本」確實存在諸多不足之處。首先，目前Google Lens支持上百種語言識別，而蘋果「實況文本」只支持七種語言，兩者泛用性完全不對等。其次，「實況文本」的手寫文字識別率確實比較微妙，還有很大的提升空間。

當(dāng)然，該功能也有其優(yōu)勢所在。首先，谷歌的GoogleLens是需要用戶聯(lián)網(wǎng)交換數(shù)據(jù)的，在國內(nèi)想要使用谷歌服務(wù)可不是一件容易的事。國內(nèi)廠商的圖像識別功能倒是可以正常聯(lián)網(wǎng)，但是在沒有網(wǎng)絡(luò)的情況下也就運作不了了。作為對比，「實況文本」功能是基于采用機載處理的“深層神經(jīng)網(wǎng)絡(luò)”，而不是基于云計算的方法。換句話說，該功能在沒有聯(lián)網(wǎng)的情況下也可以正常使用。

其次，目前手機上的文本識別功能大多都以獨立應(yīng)用的形式存在著，例如谷歌自研的應(yīng)用GoogleLens、三星的圖像識別軟件Bixby Vision、小米的「掃一掃」、OPPO的「Breeno識屏」等。和它們不同，蘋果的「實況文本」功能是內(nèi)建在相機里面的，而所有的文本都是在用戶拍照時自動捕捉的，用戶不必啟動單獨的應(yīng)用程序就能使用對應(yīng)功能。

再次，雖然是后來者，但是蘋果的生態(tài)結(jié)合得更加緊密。在WWDC 2021上，蘋果公布了全新升級的「聚焦搜索」功能。現(xiàn)在「聚焦搜索」通過智能技術(shù)，可以根據(jù)定位信息、人物、場景或物品來搜索圖片，用戶只要下拉菜單欄，輸入關(guān)鍵詞，就可以輕松搜索到所有包含該文字的圖片。

一直以來，安卓廠商最為人詬病的就是生態(tài)割裂。舉個例子，小雷在小米10上能找到三個圖像識別功能，三者之間互不關(guān)聯(lián)，和小米自身的全局搜索也沒有產(chǎn)生任何聯(lián)系，都是獨立存在的功能。2019年，谷歌曾經(jīng)試過將Google Lens和Google Photos相結(jié)合，讓使用者可以用文字搜索到想要的照片。問題是，市面上很少會有大廠會使用谷歌自家的相簿，生態(tài)也就無從談起。

（Google Photo的圖文搜索）

有的人覺得，蘋果是不是已經(jīng)黔驢技窮了？事實上，手機廠商相互「借鑒」不是從現(xiàn)在才開始的，在一個行業(yè)中學(xué)習(xí)對手并且取長補短并不是什么壞事，都是為了更好地服務(wù)用戶。小雷認為，好的系統(tǒng)就應(yīng)該積極傾聽用戶的呼聲，及時推出高效易用的功能。

總的來說，「實況文本」功能還是很實用的。該功能的推出，讓果粉明白自己手機上的相機并不是只能用來拍照的。利用「實況文本」功能，蘋果相機現(xiàn)在可以隨時隨地呈現(xiàn)信息。用戶只需對準(zhǔn)相機，就可以獲知身邊環(huán)境的上千萬個單詞、短語、位置和事物，更好地瀏覽周圍的世界。

此外，在「實況文本」的基礎(chǔ)上，蘋果還加入了全新的「視覺查找」功能。該功能和「實況文本」相輔相成，可以自動識別照片中的地標(biāo)、自然、書籍以及寵物信息，并進行突出顯示，幫助用戶獲得更多相關(guān)的信息。

融洽的生態(tài)，為用戶帶來了更加優(yōu)秀的體驗。設(shè)想一下，當(dāng)我們走在國外陌生的街道上，只要掏出手機對著素不相識的文字，相機就可以為我們自動進行翻譯；當(dāng)我們站在某棟地標(biāo)建筑面前，打開相機，就可以了解關(guān)于這個建筑物的相關(guān)信息。這樣的體驗，可以給我們帶來很多便利。

小雷認為，在蘋果的啟發(fā)之下，現(xiàn)在已經(jīng)擁有類似功能的安卓廠商也會開始嘗試將其整合到生態(tài)里面，讓用戶的體驗不再割裂。這般增強現(xiàn)實的體驗，或許離我們已經(jīng)不遠了。