快速录入大段文本的正确姿势

简介: 快速录入大段文本的正确姿势

一、背景

如果我们比较喜欢整理笔记或者写文章的话,打字会很浪费时间,打字慢也会是一个瓶颈。


比如下面的场景:


下班回家想整理一些资料,但是打字速度很慢,导致等整理完了也很晚了。


很多人想写小说,写文档,感觉打字手都快酸了,很难坚持下去,或者效率很低。


其实可以使用语音转文字软件提高输入的速度。


本文主要介绍几种比较不错的提高整理文档效率快速录入大段文本的工具。


二、语音录入

2.1 手机端

2.1.1各种手机输入法语音输入


各种手机输入法都支持语音输入大家可以试试。




下面讲专门的语音笔记。


2.1.2 有道云笔记语音速记


有道云笔记-->语音速记




可以创建语音笔记,播放语音也可以转成文字,可以对文字进行修改,效率非常高。




2.1.3 搜狗听写



支持手机端和桌面端同步。


讯飞语记也和这个非常类似,也很好用!!


2.2 电脑端

2.2.1 搜狗输入法



弹出控制窗




可以识别普通话,英文,粤语,还支持中译英,比如说中文自动帮你翻译成英文文本。



2.2.2 讯飞输入法

 https://itunes.apple.com/cn/app/id1243368435


语音识别的准确率非常高,能够解放双手。


写论文,写小说,录入大段文本非常轻松,自动断句只能添加标点符号。




亲自体验感受非常棒,不仅支持中文语音输入,英文语音转文字还支持中文翻译成英文等翻译功能,非常强大!!




2.2.3 其他

当然还有其他的软件支持语音转文字,比如迅捷语音转文字等。



三、图片转文字录入

MAC上的QQ支持截图转文字的功能(不清楚WIN上是否支持)。


把需要转换成文字的书,拍成照片然后QQ截图。






当然了应该还有其他图片转文字的软件,如迅捷文字识别。



四、总结

当然了很多人可能会说这些都有局限,比如工作的时候不方便用语音,的确如此。


但是条件允许的情况下可以考虑整理文档或者笔记考虑使用这些,能够极大程度解放双手提高效率。


总之尽可能得提高效率吧,时间就是金钱,时间就是生命。



创作不易,如果觉得本文对你有帮助,欢迎点赞,欢迎关注我,如果有补充欢迎评论交流,我将努力创作更多更好的文章。

————————————————

版权声明:本文为CSDN博主「明明如月学长」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/w605283073/article/details/93414623

相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
相关文章
|
API 语音技术
ModelScope-FunASR**有支持热词又支持时间戳的模型**。
【2月更文挑战第30天】ModelScope-FunASR**有支持热词又支持时间戳的模型**。
390 2
|
Cloud Native Dubbo 应用服务中间件
阿里巴巴捐献的14个顶级开源项目,国内开源贡献第一!
代表性的项目包括龙蜥操作系统、Apache RocketMQ、Apache Dubbo、Spring Cloud Alibaba 等
|
5月前
|
人工智能 运维 架构师
技能革命3.0时代:云计算就业岗位有哪些?
本文探讨云计算就业市场的深层逻辑,从岗位体系、AI赋能及技术局限性应对策略三方面解析。云计算岗位涵盖基础设施、平台服务、数据智能与应用创新四层,需复合型能力;AI不仅提供技术工具,还推动教育范式变革,助力跨界融合;面对技术局限,分步验证与经验洞察双管齐下。未来就业将向技能多元化、自主性增强和社会价值再定义方向进化,强调个体能力生态的持续成长。
|
8月前
|
传感器 资源调度 算法
时间序列分析中的状态估计:状态空间模型与卡尔曼滤波的隐状态估计
状态空间模型通过构建生成可观测数据的潜在未观测状态来进行时间序列分析,卡尔曼滤波为其核心,提供实时隐状态估计。本文深入探讨其理论基础与实践应用,涵盖线性及非线性系统的高级滤波算法(如EKF和UKF),并展示在运动目标跟踪等领域的具体应用,强调了参数调优和性能评估的重要性。
292 11
时间序列分析中的状态估计:状态空间模型与卡尔曼滤波的隐状态估计
|
数据采集 机器学习/深度学习 存储
从零开始的知识图谱生活,构建一个百科知识图谱,完成基于Deepdive的知识抽取、基于ES的简单语义搜索、基于 REfO 的简单KBQA
从零开始的知识图谱生活,构建一个百科知识图谱,完成基于Deepdive的知识抽取、基于ES的简单语义搜索、基于 REfO 的简单KBQA
从零开始的知识图谱生活,构建一个百科知识图谱,完成基于Deepdive的知识抽取、基于ES的简单语义搜索、基于 REfO 的简单KBQA
|
9月前
|
API C语言 开发者
AscendC从入门到精通系列(五)调用基于工程开发AscendC算子
单算子API调用方式是通过C语言API直接调用已编译的自定义算子。首先,需基于AscendC算子工程完成算子的定义与实现,并通过编译脚本部署。编译后,生成的头文件和动态库支持在应用程序中直接调用算子,包括初始化AscendCL、申请资源、数据传输、计算workspace、执行算子、同步等待及资源释放等步骤。编译算子调用程序时,需正确配置CMakeLists.txt,确保头文件和动态库的路径正确。
|
9月前
|
PyTorch API 算法框架/工具
AscendC从入门到精通系列(四)使用Pybind调用AscendC算子
本文介绍了如何通过Pybind11在PyTorch框架中调用自定义的Ascend C算子。首先,通过编写算子的C++实现和pybind11封装,将算子功能暴露给Python。接着,构建Python调用脚本,利用torch接口生成数据并调用封装好的算子模块。最后,通过CMake配置文件编译整个项目,实现从算子开发到测试的完整流程。
|
11月前
|
人工智能 数据可视化 Serverless
《AI大模型助力客户对话分析》解决方案
《AI大模型助力客户对话分析》解决方案
|
存储 数据采集 自然语言处理
知识图谱之《海贼王-ONEPICE》领域图谱项目实战(含码源):数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等
知识图谱之《海贼王-ONEPICE》领域图谱项目实战(含码源):数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等
知识图谱之《海贼王-ONEPICE》领域图谱项目实战(含码源):数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等
|
机器学习/深度学习 人工智能 NoSQL
【AIGC】深入浅出理解检索增强技术(RAG)
【5月更文挑战第10天】本文介绍了检索增强生成(RAG)技术,这是一种将AI模型与内部数据结合,提升处理和理解能力的方法。通过实时从大型文档库检索信息,扩展预训练语言模型的知识。文章通过示例说明了当模型需要回答未公开来源的内容时,RAG如何通过添加上下文信息来增强模型的回答能力。讨论了实际应用中令牌限制和文本分块的问题,以及使用文本嵌入技术解决相关性匹配的挑战。最后,概述了实现RAG的步骤,并预告后续将分享构建检索增强服务的详情。
781 3