¶ 聆思扫描笔方案白皮书
阅读本文，你可以了解到：
- 扫描笔市场解读；
- 聆思扫描笔方案介绍。
| 版本 | 变更内容 | 编写人 | 日期 |
|---|---|---|---|
| V1.0 | First Release | 刘钟蔚 | 2022.04.05 |
| V1.1 | 新增6011A离在线方案和外设方案介绍；新增方案离线能力介绍部分； | 刘钟蔚 | 2022.07.07 |
¶ 方案背景
在中国智能硬件市场飞速发展的背景下，扫描笔作为学生查词学习的工具，用其更高效的体验代替过往电子词典，市场规模逐年增长。
在这个过程中，知名品牌起到了行业推动型的作用，如有道、阿尔法蛋，推出自身的千元级旗舰机型扫描笔产品，用其出色的内容质量和产品体验，在市场上获得大量的用户认可，一时间，传统教育品牌、教培机构、互联网大厂也纷纷入局，行业中的产品和方案百花争鸣。
我们可以看到市场的方案分为两种，第一种是品牌方案，这一类方案以安卓和Linux平台为主，特点是芯片平台性能强大，端侧可以实现完整的扫描笔算法能力，以及有足够的空间容量放下音视频类的学习资源，但缺点是平台功耗高，价格贵，算法适配和调优周期长。长期来看，扫描笔作为教育工具类产品，未来用户对平台的耗电、价格、算法性能的要求会越来越高，品牌需要在产品迭代和产品矩阵拓展的过程中，寻找更符合产品使用场景的平台。
第二种方案是低价市场的方案，该市场一直存在杀价严重、产品同质化的情况，方案商因为过多的关注价格，在稳定性、内容质量上就不自而然的做出妥协，伤害了用户体验。
聆思扫描笔方案以自研AI芯片和融合算法为核心，在稳定服务和内容和效果质量保障的基础上，进一步提供满足客户方案自定义的解决方案。
我们认为，方案的输出是满足市场需求的行为外，也代表了一种价值观。通过方案的输出，能让行业中的各个玩家会更加关注在竞争力和差异化上的打磨，持续输出好产品，产生用户价值，让用户为之付费，该方案就是成功的。
¶ 方案介绍
¶ 方案特性
- 基于聆思自研AI芯片，采用NPU+MCU双核架构，最大算力可达128GOPS，性能强大；使用RTOS系统，相对安卓/Linux系统更低成本，功耗更低，启动速度更快；
- 芯片深度耦合聆思神经网络算法，保证扫描笔算法效果领先性；
- 提供正版版权词典、K12课外中文音频、学习园地、语音评测、口语练习、英语作文批改等多种教育能力；
- 自定义程度高，端侧可搭配其他芯片平台（cat1/安卓/Linux），形成不同的方案；云端调用链路支持自定义化，帮助客户进一步实现实现产品差异化；
¶ 方案对比
| 能力 | 聆思 | 其他方案 |
|---|---|---|
| 芯片平台 | RTOS平台，启动快，功耗低，可实现离在线方案 | 安卓/LINUX：价格贵、功耗高； RTOS 只能做纯在线； |
| AI算法 | 提供扫描笔所需算法：OCR、翻译、TTS，集合高算力芯片发挥最优效果； | 需原厂配合集成，调优、迭代时间长； |
| 教育内容 | 正版版权词典、聆思核心教育算法（国家考试指定语音评测算法、英文作文批改等）； | 非正版内容，产品教育能力弱； |
| 云端平台 | iFLYOS平台四年稳定运行，支持1000+客户，服务千万用户； | 第三方服务器存在不稳定、服务抖动、服务关闭等风险； 自研平台成本高； |
| 自定义能力 | 端侧：端侧可搭配其他芯片平台（cat1/安卓/Linux），形成不同的方案；云侧：支持自定义链路配置，快速打造差异化产品； | 沟通成本和研发成本高 |
¶ 方案矩阵
¶ 在线/离在线方案
| 方案类型 | 纯在线/4G方案 | 离在线方案 | 离在线方案 |
|---|---|---|---|
| 方案配置 | 聆思芯片+WIFIsoc/cat1 | 聆思芯片+WIFIsoc | 聆思芯片CSK6011A+WIFIsoc |
| 离线能力 | 聆思芯片：离线裁剪、离线拼接；上位机：连接网络、驱屏 | 聆思芯片：离线裁剪、离线拼接、离线OCR；上位机：离线翻译、离线TTS、离线查词；上位机：连接网络、驱屏 | 聆思芯片：离线裁剪、离线拼接、离线OCR、离线翻译、离线TTS；上位机：离线查词、连接网络、驱屏 |
| 方案特点 | 相比纯WIFI方案，低宽带情况下（30Kbps）依旧可用； | 聆思芯片可搭配任意上位机（安卓/linux），形成全套扫描笔离在线方案； | 低成本RTOS离在线方案； |
| 方案介绍 | 点击查看 | 点击查看 | 点击查看 |
¶ 纯离线方案
| 方案类型 | 外设（不带屏） | 纯离线（带屏） |
|---|---|---|
| 方案配置 | 聆思芯片+任意蓝牙soc | 聆思芯片CSK6011A+任意蓝牙soc |
| 离线能力 | 聆思芯片：离线裁剪、离线拼接、离线OCR；蓝牙：连接小程序/APP | 聆思芯片：离线裁剪、离线拼接、离线OCR、离线翻译、离线TTS、离线查词（上位机SDK）；蓝牙：连接小程序/APP |
| 方案特点 | 低成本RTOS外设方案，产品设计上不可带屏幕； | 低成本RTOS外设方案，产品设计上可带屏幕； |
| 方案介绍 | 点击查看 | 点击查看 |
¶ 方案说明
¶ 聆思芯片纯在线/4G方案
¶ 方案介绍
配置：聆思芯片+WIFIsoc/cat1；
特性：相比纯W0Kbps）低宽带情况下依旧可用；
¶ 方案架构
¶ 能力说明
¶ 离线拼接
支持每秒输入66帧~120帧中文/英文单词的图片拼接；
¶ 在线能力
在线能力见“云端能力说明”；
¶ 聆思芯片离在线方案
¶ 方案介绍
配置：聆思芯片+WIFIsoc（上位机）；
特性：聆思芯片可搭配任意上位机（安卓/linux），形成全套扫描笔离在线方案（离线OCR+离线翻译+离线TTS+离线查词）；
¶ 产品架构
¶ 能力说明
¶ 离线OCR
介绍：
基于聆思自研深度神经网络模型的端到端文字识别系统，将扫描到课本教材和儿童读物的内容，直接转换为文本，实现高精准、毫秒级识别体验。
能力说明：
- 支持识别5000+常用汉字、26个英文字母、常用中英符号、拼音；
- 支持标准字体：二号字及以下，高对比度（浅底深字，深底浅字）；
- 待优化效果：生僻字、形近字；
- 不支持：希腊字母（α、β等）、繁体字、空心字体、低对比度（绿底黄字，粉底白字等）；
- 准确率：
- 纯中文字确率：98%。
- 纯英文字确率：98%
- 中英文混合字确率：95%
- 扫描速度：A4纸一行支持1.5s内扫完；
性能要求：
- OCR在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线翻译
介绍：
基于自主研发的多语种机器翻译引擎，采用新的神经机器翻译理论和技术，满足用户的文字、语音翻译需求。
特性：
- 英语六级翻译水平，翻译自然
- 翻译速度快，毫秒级响应
能力说明：
- 支持中、英互译；
- 英语六级翻译水平，上下文关联能力强；
- 专有名词、短语片段翻译效果一般；
- 响应时间：300~400ms；
- Bleu分大于30（Bleu(bilingual evaluation understudy)是一种机器翻译的评测算法，用于评估一种自然语言翻译成另外一种自然语言的翻译质量，一般来说，机器译文与参考译文计算后的BLEU分越高，翻译的效果越好）；
性能要求：
- 翻译算法需集成于安卓.liunx上位机：
- 四核（翻译需独占一个核）；
- 空闲内存>128MB；
- 空闲存储>256MB，DDR2以上；
- 主频>800MHz（需关注有无NEON加速）；
¶ 离线语音合成
介绍：
将文字信息转化为声音信息，同时提供了众多具有特色的音库供产品选择发音人。
特性：
- 多种发音人可选择
- 合成自然度高，无限逼近真人发音
- 合成速度快，毫秒级响应
能力说明：
- 支持10+种男女、少儿发音人选择，推荐（推荐虫虫、倩倩）。
- 响应时间：200~400ms
性能要求：
- 离线语音合成需集成于安卓.liunx上位机：
- CPU：cortex-A7 主频1.2Ghz+
- 空闲内存>40MB；
- 空闲存储>30MB；
¶ 离线查词
介绍：学王正版词典；
特性：
- 正版版权词典；
- 真人发音、释义丰富；
内容说明：
- 汉字词典：参考：GB2312 6763字，GBK21886字，GB18030 7万字；包含结构、释义、描红、近反义词、真人发音等；
- 词语词典：参考：《汉语大辞典》词语，50万+；包含拼音、释义、造句、近义词、反义词等；
- 成语词典：参考：《汉语大辞典》成语4万个；包含典故、注音、释义、近反义词、用法、感情色彩、常用程度等；
- 古诗词词典：囊括中小学教材中各个时期具有代表的诗词典文言文，共300+首；包含字解，译文，赏析等；
- 英汉词典：小学到大学，教材中出现的单词，4万+；包含英式发音、美式发音、自然拼读、例句等；
性能要求：
- 可视客户上位机空间大小自定义裁剪；
- 最大资源包2.5GB，包含汉字、词语、成语、古诗词、英汉词典；汉字描红和发音；单词英美发音；
- 最小资源包3MB，包含3000汉字、20000单词的基础释义；
¶ 在线能力
在线能力见“云端能力说明”；
¶ 聆思芯片CSK6011A离在线方案
¶ 方案介绍
配置：聆思芯片CSK6011A+XR819s；
特性：低成本RTOS离在线方案（离线OCR+离线TTS+离线翻译+离线查词）；
¶ 产品架构
¶ 能力说明
¶ 离线OCR
介绍：
基于聆思自研深度神经网络模型的端到端文字识别系统，将扫描到课本教材和儿童读物的内容，直接转换为文本，实现高精准、毫秒级识别体验。
能力说明：
- 支持识别5000+常用汉字、26个英文字母、常用中英符号、拼音；
- 支持标准字体：二号字及以下，高对比度（浅底深字，深底浅字）；
- 待优化效果：生僻字、形近字；
- 不支持：希腊字母（α、β等）、繁体字、空心字体、低对比度（绿底黄字，粉底白字等）；
- 准确率：
- 纯中文字确率：98%。
- 纯英文字确率：98%
- 中英文混合字确率：95%
- 扫描速度：A4纸一行支持1.5s内扫完；
- 支持精准扫描；待支持点击查词
性能要求：
- OCR在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线翻译
介绍：
基于自主研发的多语种机器翻译引擎，采用新的神经机器翻译理论和技术，满足用户的文字、语音翻译需求。
特性：
- 英语四级翻译水平；
- 翻译速度快，毫秒级响应；
能力说明：
- 支持中、英互译；
- 英语四级翻译水平，上下文关联能力较弱，后续会优化效果；
- 专有名词、短语片段翻译效果较差；
- 响应时间：300~400ms；
- Bleu分大于25（Bleu(bilingual evaluation understudy)是一种机器翻译的评测算法，用于评估一种自然语言翻译成另外一种自然语言的翻译质量，一般来说，机器译文与参考译文计算后的BLEU分越高，翻译的效果越好）；
性能要求：
- 翻译算法在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线语音合成
介绍：
将文字信息转化为声音信息，同时提供了众多具备特色的音库供产品选择发音人。
特性：
- 发音自然度较弱；
- 合成速度快，毫秒级响应；
能力说明：
- 发音有机械感；
- 暂不支持发音人选择；
- 响应时间：200~400ms；
性能要求：
- 语音合成算法在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线查词（上位机SDK）
介绍：学王正版词典；
特性：
- 正版版权词典；
- 释义丰富；
内容说明：
- 汉字词典：3000常用汉字；包含结构、释义、近反义词等；
- 英汉词典：包含K12教材常见单词，2万+；包含基础释义、派生词、时态词、例句等；
性能要求：
- 视客户上位机而定，资源可大可小；
¶ 在线能力
在线能力见“云端能力说明”；
¶ 聆思芯片外设方案
¶ 方案介绍
配置：聆思芯片+任意蓝牙soc（如AC6956C）；
特性：低成本RTOS外设方案；
¶ 产品架构
¶ 能力说明
¶ 离线OCR
介绍：
基于聆思自研深度神经网络模型的端到端文字识别系统，将扫描到课本教材和儿童读物的内容，直接转换为文本，实现高精准、毫秒级识别体验。
能力说明：
- 支持识别5000+常用汉字、26个英文字母、常用中英符号、拼音；
- 支持标准字体：二号字及以下，高对比度（浅底深字，深底浅字）；
- 待优化效果：生僻字、形近字；
- 不支持：希腊字母（α、β等）、繁体字、空心字体、低对比度（绿底黄字，粉底白字等）；
- 准确率：
- 纯中文字确率：98%。
- 纯英文字确率：98%
- 中英文混合字确率：95%
- 扫描速度：A4纸一行支持1.5s内扫完；
¶ 聆思芯片CSK6011A纯离线方案
¶ 方案介绍
配置：聆思芯片CSK6011A+任意蓝牙soc（如AC6954C）；
特性：低成本RTOS纯离线扫描笔方案；
¶ 产品架构
¶ 能力说明
¶ 离线OCR
介绍：
基于聆思自研深度神经网络模型的端到端文字识别系统，将扫描到课本教材和儿童读物的内容，直接转换为文本，实现高精准、毫秒级识别体验。
能力说明：
- 支持识别5000+常用汉字、26个英文字母、常用中英符号、拼音；
- 支持标准字体：二号字及以下，高对比度（浅底深字，深底浅字）；
- 待优化效果：生僻字、形近字；
- 不支持：希腊字母（α、β等）、繁体字、空心字体、低对比度（绿底黄字，粉底白字等）；
- 准确率：
- 纯中文字确率：98%。
- 纯英文字确率：98%
- 中英文混合字确率：95%
- 扫描速度：A4纸一行支持1.5s内扫完；
- 支持精准扫描；待支持点击查词
性能要求：
- OCR在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线翻译
介绍：
基于自主研发的多语种机器翻译引擎，采用新的神经机器翻译理论和技术，满足用户的文字、语音翻译需求。
特性：
- 英语四级翻译水平；
- 翻译速度快，毫秒级响应；
能力说明：
- 支持中、英互译；
- 英语四级翻译水平，上下文关联能力较弱，后续会优化效果；
- 专有名词、短语片段翻译效果较差；
- 响应时间：300~400ms；
- Bleu分大于25（Bleu(bilingual evaluation understudy)是一种机器翻译的评测算法，用于评估一种自然语言翻译成另外一种自然语言的翻译质量，一般来说，机器译文与参考译文计算后的BLEU分越高，翻译的效果越好）；
性能要求：
- 翻译算法在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线语音合成
介绍：
将文字信息转化为声音信息，同时提供了众多具备特色的音库供产品选择发音人。
特性：
- 发音自然度较弱；
- 合成速度快，毫秒级响应；
能力说明：
- 发音有机械感；
- 暂不支持发音人选择；
- 响应时间：200~400ms；
性能要求：
- 语音合成算法在该方案中主要集成于聆思芯片，客户无需关注。
¶ 离线查词（上位机SDK）
介绍：学王正版词典；
特性：
- 正版版权词典；
- 释义丰富；
内容说明：
- 汉字词典：3000常用汉字；包含结构、释义、近反义词等；
- 英汉词典：包含K12教材常见单词，2万+；包含基础释义、派生词、时态词、例句等；
性能要求：
- 视客户上位机而定，资源可大可小；
¶ 云端能力说明
¶ 在线OCR
基于聆思自研的行业先进的光学字符识别技术，将扫描到课本教材和儿童读物的内容，直接转换为文本，实现高精准、毫秒级识别体验。
能力说明：
- 支持识别2万+汉字、26个英文字母、常用中英符号、拼音识别；
- 支持标准字体：二号字及以下，高对比度（浅底深字，深底浅字）；
- 支持生僻字、形近字识别；
- 不支持：希腊字母（α、β等）、繁体字、空心字体、低对比度（绿底黄字，粉底白字等）；
- 准确率：
- 纯中文字确率：99%；
- 纯英文字确率：99%；
- 中英文混合字确率：97%；
- 扫描速度：A4纸一行支持1.5s内扫完；
- 响应速度：400ms内；
¶ 在线翻译
提供可靠稳定的引擎服务，满足用户的文字、语音翻译需求。
特性：
- 专八翻译水平，翻译专业
- 支持多语种翻译
- 翻译速度快，毫秒级响应
- 自动纠正
能力说明：
- 支持中、英互译；
- 英语专八翻译水平，翻译信达雅，上下文关联能力强，短语、句子翻译都有很好的翻译效果；
- 专有名词、短语片段、句子级的翻译纠正；
- 响应时间：400~500ms；
- Bleu分大于35（Bleu(bilingual evaluation understudy)是一种机器翻译的评测算法，用于评估一种自然语言翻译成另外一种自然语言的翻译质量，一般来说，机器译文与参考译文计算后的BLEU分越高，翻译的效果越好）；
¶ 在线语音合成
介绍：
将文字信息转化为声音信息，同时提供了众多具备特色的音库供产品选择发音人；在2008年英文合成自然度已超过人类平均水平。
特性：
- 多种发音人可选择
- 合成自然度高，无限逼近真人发音
- 合成速度快，毫秒级响应
能力说明：
- 支持20+种男女、少儿发音人选择（推荐虫虫、倩倩）。
- 响应时间：300~400ms
¶ 在线语音评测
介绍：
采用中高考英语测试、普通话考试同源技术，彻底解决口语评测不准确，影响孩子发音问题。
特性：
- 国家语委鉴定，四六级考试专用技术，累计测试近亿名考生；
- 支持普通话和英文口语的字、词、句、篇章等多种题型；
- 多维度综合评分，提供准确、流畅、完整、声韵、语速等丰富维度；
- 音节粒度返回评分，准确定位发音错误；
- 音素级纠错：返回每个音节得分，精准定位错误；
¶ 正版词典
介绍：
提供学王正版词典，涵盖K12阶段所有需要学习词汇，即扫即学。
特性：
- 正版版权词典；
- 真人发音、释义丰富；
内容说明：
- 汉字词典：参考：GB2312 6763字，GBK21886字，GB18030 7万字；包含结构、释义、描红、近反义词等；
- 词语词典：参考：《汉语大辞典》词语，50万+；包含拼音、释义、造句、近义词、反义词等；
- 成语词典：参考：《汉语大辞典》成语4万个；包含典故、注音、释义、近反义词、用法、感情色彩、常用程度等；
- 古诗词词典：囊括中小学教材中各个时期具有代表的诗词典文言文，共300+首；包含字解，译文，赏析等；
- 英汉词典：小学到大学，教材中出现的单词，4万+；包含英式发音、美式发音、自然拼读、例句等；
¶ 英文学习：口语练习
提供专业的听说训练，达到持续提高青少年口语水平的目的。
- 多种口语练习方式：人机场景对话、课文跟读、发音评测
- 针对不同年龄段，提供不同题型：跟读、开放式、封闭式
- 正版教育版权，保证学习质量
- 持续增加题目，保持学习进度
¶ 英文学习：写作批改
介绍：
自动批改英文作文，智能分析智能纠错，辅助提升学生写作水平。
特性：
- 背后有英语研讨老师专业团队支持，持续优化模型，保证批改专业性；
- 40+错误语法检测，如拼写错误、语法错误、用词错误等；
- 3种文章亮点检测，如高级表达等；
¶ 学习园地
介绍：
提供中文和英文更多课外学习素材，加深学生知识水平，主要内容包括：拼音学习、中小学英文阅读训练、中小学英文语法学习、算数口诀。
¶ K12课外音频
介绍：
提供正版儿童课外的音频读物。
主要内容：
- 儿童儿歌
- 睡前故事
- 启蒙教育故事
- 百科学习
¶ 学情数据
介绍：
记录扫描笔使用数据，供公众号、APP接入，同步家长，生成学习报告。
特性：
- 全面记录扫描笔使用过程中产生的学习数据；
- 智能分析数据生成学习报告；
- 接口服务稳定；
主要内容：
- 扫描记录
- 翻译记录
- 评测记录
- 口语练习记录
- 作文批改记录
- 周学习报告
- ……
¶ 语音助手
200 + 内置技能，覆盖K12教育、娱乐领域，免费使用。
¶ 搜题服务
对接第三方题库，覆盖K12全科题目，题库以理科为主，题库数量6000万道；
接入方式请联系商务
¶ 单词听写（待上线）
对齐小学课本单元标准单词库，拿起笔就可以听写单词，巩固单词记忆；
¶ 语文背诵（待上线）
对齐小学课本背诵要求，拿起笔就可以背诵语文课本内容，巩固背诵记忆；