识别率高，支持中文、英语、粤语、四川话等

极速识别60秒内语音，简单易用

将音频流实时识别为文字，并返回每句话的开始和结束时间

将批量上传的音频文件识别为文字，12小时内返回识别结果

零代码自助训练语音识别语言模型

高度拟人、流畅自然的语音合成服务

提供包含童声在内的五种精选发音人

提供标准男声女声、情感男声女声四种发音人

在无网或弱网环境下，可在智能硬件设备终端进行语音播报

低成本进行大批量呼叫中心音频转写

呼叫中心场景的端到端的语音技术解决方案

为开发者提供在线语音翻译能力

提供高质量、低延迟的机器同传服务解决方案

高度拟人、自然流畅的文本转语音服务

自动化智能外呼、音频质检与分析

以语音识别为核心功能的一站式产品解决方案

智能一体化的语音指令系统

智能化可交互的语音数字大屏解决方案

多场景、多语种、高精度的整图文字检测和识别服务

针对网络图片进行专项优化，支持识别艺术字体或背景复杂的文字内容

可对办公类文档的版面进行分析

对图片中的数字进行提取和识别，自动过滤非数字内容

支持对图片中的手写中文、手写数字进行检测和识别

对图片中的表格文字内容进行提取和识别

对图片中的二维码、条形码进行检测和识别

识别二代居民身份证正反面所有8个字段

识别银行卡卡号、有效期、卡类型、发卡行

识别各版式营业执照所有关键字段

识别姓名、公司、职位、电话、地址等字段

识别中国大陆护照个人资料页所有10个字段

识别姓名、身份证号、出生地、出生日期等字段

识别卡号、中英文姓名、有效期限等字段

识别卡号、中英文姓名、有效期限等字段

识别新生儿姓名、性别、生日、父母姓名等字段

对同一张图片中的多种卡证进行类别检测和定位

切分并识别原始票据粘贴单上的多种票据

识别收/付款人信息、金额、日期等关键信息

识别增值税普票或专票所有30个字段

支持全部9类增值税发票的信息核验

识别各类定额发票的代码、号码、金额字段

识别国家/地方税务局发行的机打发票信息

识别红、蓝火车票的8个关键字段

识别全国各大城市出租车票的6个关键字段

识别飞机行程单的姓名、日期、票价等字段

识别发票代码、发票号码、到达站等字段

识别发票代码、发票号码、入口、出口等字段

识别发票代码、发票号码、发票日期等字段

识别服务商、行程开始及结束时间、车型、总金额等14个关键字段

针对票据场景专项算法优化，按行识别各类票据

识别出票金额、承兑人信息等21个关键字段

识别收款/付款人信息、金额等7个关键字段

输出图、表、标题、文本的位置，并输出分版块内容的OCR识别结果

支持对试卷中的数学公式及题目内容进行识别

识别机动车行驶证主页及副页所有21个字段

识别机动车驾驶证正本所有9个字段

识别蓝牌、绿牌、单/双行黄牌等类型车牌

识别车辆挡风玻璃处的车辆识别号码

识别发票号码、发动机号、VIN码、价格等字段

识别合格证编号、车架号、排放标准等字段

识别发票代码、发票号码、开票日期等25个关键字段

识别合格证编号、发证日期及制造企业名等23个关键字段

支持识别业务流水号、发票号、住院号等关键字段

支持识别姓名、出/入院时间、发票总金额等 6 个关键字段

支持识别病案号、姓名、性别、出生日期、身份证号等 15 个关键字段

支持识别投保人、被保人、受益人的各项信息及保费等字段

可识别表盘上的数字、英文、符号，支持液晶屏、字轮表等表型

识别图片中的门脸文字信息，自动过滤非门脸文字内容

检测并识别合同文件或常用票据中的常见印章

支持对图片中包含的文本内容OCR识别并翻译成目标语言

支持对大乐透、双色球彩票票面文字内容进行识别，并按行返回结果

可直接上传各类卡证、票据图片即获得结构化识别信息

支持用户自助创建识别模板和分类器，实现图片自动分类并结构化输出识别结果

针对财会报销场景提出的专项解决方案

识别超过10万类常见物体和场景

识别2万类商品logo，支持定制logo图库

识别2万多种通用植物和近8千种花卉

识别近8千种动物

识别超过5万种菜品，支持定制菜品图库

识别5万中外著名地标、景点

识别近千种水果和蔬菜

检测图片中的主体，支持单主体检测、多主体检测

精准识别对屏幕进行翻拍的造假照片

识别3千款常见车型，可返回车型百科信息

检测图像中所有车辆，识别车辆类型和位置

智能识别黑白图像内容并填充色彩，使黑白图像变得鲜活

将图像转换成卡通画、铅笔画、哥特油画等9种艺术风格

为用户量身定制千人千面的二次元动漫形象

适用于图片精确查找、重复图片过滤

语义相似的图片集搜索，支持亿级图库

以图搜商品，拍照搜同款，相似商品推荐

拍照搜儿童书本，精准检索自建库中对应绘本教材

适用于平面花纹类图片搜索

对浓雾天气下拍摄的图像进行去雾处理

调整过暗或者过亮图像的对比度

将图像在长宽方向各放大两倍，保持质量无损

识别过度拉伸图像内容，并恢复成正常比例

去掉图片中不需要的遮挡物；修复图片缺损内容

智能去噪、强化图像纹理细节，输出更清晰的图片

智能调节图片的色彩饱和度、亮度、对比度

对图片中的人脸进行关键点定位，并返回常用人脸关键点坐标位置

快速检测人脸并返回人脸框位置，输出人脸150个关键点坐标

评判两张人脸图片的相似程度

将一张图片在指定人脸库中进行1：N搜索

抵御人脸识别过程中的图片、模具等作弊攻击

甄别人脸图片是否造假

精准定位人体21个核心关键点，适应大动作

检测图像中的所有人体，识别20余类属性

统计图像中的人体个数和流动趋势

检测图片中的手部位置和手势类型

有效识别驾驶员使用手机、抽烟等动作姿态

针对短监控视频片段，识别常见危险行为

兼容主流的Android设备，提供业务级二次开发接口和场景化示例工程

全方位适配兼容Windows多系统平台，可在无网环境快速完成人脸识别

兼容多款ARM结构的Linux设备，广泛应用于开发低成本、弱交互的人脸识别设备

针对Hi3516DV300芯片专项开发的SDK，具备算力高、速度快、成本低的特点

完美适配瑞芯微RV1109/RV1126芯片，实现万级人脸库毫秒级识别

部署到「本地服务器」的「纯软件」人脸识别模型

部署到「本地服务器」的「纯软件」人体识别模型

提供200+语种互译的在线文本翻译服务

特定领域术语翻译更准确，句式更符合行业特点

可实现Word/PPT/Excel/PDF等文档的全文翻译

支持直接识别图片中包含的文本内容并翻译为目标语言

支持4种源语音识别，12种语言翻译输出

提供涵盖文档翻译、图片翻译、翻译引擎优化等私有化服务

垂直领域个性化翻译需求解决方案

精准提取快递填单文本中的姓名、电话、地址信息

对包含主观信息的文本进行情感倾向性判断

分析评论关注点和观点，输出标签及观点极性

识别会话者所表现出的情绪类别及置信度

提供分词、词性标注、命名实体识别

识别文本中的实体并将其关联到百科知识库中的实体对象

计算两个短文本之间的语义相似度，实现推荐、排序等应用

识别文本中的错别字，给出提示以及正确的建议文本内容

有效识别违禁违规文本内容

输出能够反映文章关键信息的多维度标签

输出文章的主题分类及对应的置信度

抽取关键信息并生成指定长度的新闻摘要

高质量、低延迟的机器同传服务解决方案

面向媒体业务（如策划、采编）流程推出场景方案

提供简历解析、人岗匹配、人才评估等多项应用能力

在合同处理场景提供交易签订、合同审查、合同归档管理等应用服务

提供知识图谱构建一站式解决方案

评论核心观点挖掘，好评差评自动分类

全方位高效解决内容安全隐患

文心：产业级知识增强大模型

PB级关系数据分析引擎，多维分析服务

全托管的Elasticsearch服务

专业、开放、易用的互联网舆情分析平台

个性化定制輿情分析能力，准确把握时事脉搏

覆盖多个金融业务场景，标准API接口简单易用

时空大数据服务专家

提供人群的精细画像、线下位置分布等分析服务

百度自主研发的源于产业实践的开源深度学习平台

实战课程、权威竞赛，80万开发者协作成长

一站式定制高精度AI模型

提供数据采集、标注、清洗等一站式数据服务

提供机器学习和深度学习一站式AI开发服务

自助定制专属模板，实现海量单据卡证的结构化识别

定制专业、可控、低成本的对话系统

提供自动创作和辅助创作的能力，提升内容创作效率

通过界面化的操作，提升审核效率，降低人工成本

快捷生成端计算模型及封装SDK

文心大模型企业级服务唯一入口

企业级Agent、RAG应用开发平台

识别用户是否为“真人”且为“本人”

多硬件环境适配的大规模端云人脸识别

高精度的人脸识别、对比能力，搭建考勤系统

戴口罩状态检测及戴口罩人脸识别

评论观点抽取，好评/差评自动分类

简历解析、人岗匹配、人才评估、招聘机器人等

呼叫中心场景端到端的语音技术解决方案

将VR技术与各行业实训需求融合的一站式行业培训解决方案

基于AI技术对访销过程进行精细化管理

低成本3D展示高清商品画面

提供知识图谱构建一站式解决方案

一站式AR娱乐互动解决方案

一站式虚拟形象生成与驱动服务

将自然语言表达的医学文本转化为结构化数据

智能全面的药品审查维度，保障用药安全

分析患者表达的不适，智能定位科室及医生

监测员工着装、生产作业、仪表指标等异常

工业产品的外观瑕疵进行自动化识别

优质VR内容助推教学教育

为高校提供一站式复合型人才培养解决方案

机器识别和预测农作物生长

多维数据病虫害预警模型

基于农作物生长因素模型智能调解

不同牲畜模型库实现无接触估重

基于视觉、声音多维度识别活体

提供农业关键环节软硬一体化AloT产品

面向嵌入式与边缘部署场景的FPGA AI加速方案

为行业客户提供搭载了ABC Robot平台的行业解决方案

内置丰富的虚拟现实体验资源

无网合成，14种音库包含英语、粤语

离线的人脸检测、人脸追踪、人脸采集等能力

离线的人脸采集、活体检测、人脸比对与识别能力

离线识别各类文件、卡证、票据等文本信息

生成端模型及SDK，适配多种芯片与操作系统

部署到「本地服务器」的「纯软件」人脸识别模型

部署到「本地服务器」的「纯软件」人体识别模型

在专有网络环境下部署应用，支持多类模型

本地服务器一键部署，安全易用

百度自主研发的视觉软硬一体产品

面向嵌入式打造的AI计算卡

多种方案可选，让定制离线AI更轻松