千帆AI应用开发者中心

文生图（Text2Image）基于文心大模型，可以根据用户输入的文本，自动创作不限定风格的图，为内容创作者提供灵感和高质量配图。API调用时对应“AI作画-高级版”。

通用文字识别组件（GeneralOCR）支持多场景、多语种、高精度的文字识别服务，对图片全部文字内容进行检测识别。支持jpg、jpeg、png、pdf格式。

文档切分组件（DocSplitter）可以用于对文档进行段落切分。支持pdf、jpg、jpeg、png、bmp、tif、ofd、doc、docx、txt、xls、xlsx、wps、ppt、pptx共16种格式。

文档解析组件（DocParser）可以用于文档内容解析，支持pdf、jpg、jpeg、png、bmp、tif、ofd、doc、docx、txt、xls、xlsx、wps、ppt、pptx共16种文档格式的内容解析。

语音合成（TTS），原短文本在线合成组件；为用户提供高度拟人、流畅自然的语音合成服务，将文本朗读出来。API调用时对应“服务列表-语音合成-短文本在线合成”。

手写文字识别 （HandwriteOCR），图片中的手写中文、手写数字进行检测和识别，针对不规则的手写字体进行专项优化，识别准确率可达90%以上。图片支持jpg、jpeg、png格式。

表格文字识别 (TableOCR) 可支持识别图片中的表格内容，返回各表格的表头表尾内容、单元格文字内容及其行列位置信息，全面覆盖各类表格样式，包括常规有线表格、无线表格、含合并单元格表格。同时，支持多表格内容识别。API调用时对应“表格文字识别V2”。

文生图（Text2Image）基于文心大模型，可以根据用户输入的文本，自动创作不限定风格的图，为内容创作者提供灵感和高质量配图。API调用时对应“AI作画-高级版”。

通用文字识别组件（GeneralOCR）支持多场景、多语种、高精度的文字识别服务，对图片全部文字内容进行检测识别。支持jpg、jpeg、png、pdf格式。

文档切分组件（DocSplitter）可以用于对文档进行段落切分。支持pdf、jpg、jpeg、png、bmp、tif、ofd、doc、docx、txt、xls、xlsx、wps、ppt、pptx共16种格式。

文档解析组件（DocParser）可以用于文档内容解析，支持pdf、jpg、jpeg、png、bmp、tif、ofd、doc、docx、txt、xls、xlsx、wps、ppt、pptx共16种文档格式的内容解析。

语音合成（TTS），原短文本在线合成组件；为用户提供高度拟人、流畅自然的语音合成服务，将文本朗读出来。API调用时对应“服务列表-语音合成-短文本在线合成”。

手写文字识别 （HandwriteOCR），图片中的手写中文、手写数字进行检测和识别，针对不规则的手写字体进行专项优化，识别准确率可达90%以上。图片支持jpg、jpeg、png格式。

表格文字识别 (TableOCR) 可支持识别图片中的表格内容，返回各表格的表头表尾内容、单元格文字内容及其行列位置信息，全面覆盖各类表格样式，包括常规有线表格、无线表格、含合并单元格表格。同时，支持多表格内容识别。API调用时对应“表格文字识别V2”。

图生视频(ImageToVideo）通过上传一张图片生成视频，图片格式仅支持 jpg，png，且图片需要小于 20M，图片长宽比需要小于 1:4 或者 4:1，约3-5分钟生成1个视频。视频生成能力来自生数科技-vidu。（图生视频+文生视频 每天每人共可用6次）

植物识别（PlantRecognition），即对于输入的一张图片（可正常解码，且长宽比较合适），输出植物识别结果。图片支持jpg、jpeg、png格式。

百度AI搜索为百度搜索组件内置了大模型总结及更多AI能力，提供结合全网实时信息进行智能回复的问答功能，可支撑各行业丰富的场景应用。百度AI搜索与百度搜索相比，提供了大模型总结能力及工作流Agent和工作流功能（含API发布）。该组件支持付费后通过API独立调用，支持丰富标准化能力，API能力有：自定义人设、模型选择及配置（支持文心全系列、Deepseek V3/R1）、问题改写（包括时效和多轮两种方式）等。更多详情（如配置Deepseek模型）可通过API调用页面查看。

文档格式转换：识别文档内文字及版面布局，可将多种类型的版式文档转换为流式文档。API调用时对应“服务列表-智能文档分析-文档格式转换“。

风格写作组件（StyleWriting）是一款基于生成式大模型进行文本创作的工具，支持多种风格，包括B站、小红书等，适用于编写文案、广告等多种场景。

文本翻译组件（Translation）提供多种语言互译的在线文本翻译服务。支持术语定制功能，用户可对翻译结果进行干预，快速提高翻译质量。可广泛应用于移动端、PC网站、智能硬件等不同产品形态中，满足多领域、多场景的翻译需求。

二维码识别 (QRcodeOCR) 可对图片中的二维码、条形码进行检测和识别，返回存储的文字信息及其位置信息。图片支持jpg、jpeg、png格式。API调用时对应“服务列表-通用场景OCR-二维码识别”

图生视频(ImageToVideo）通过上传一张图片生成视频，图片格式仅支持 jpg，png，且图片需要小于 20M，图片长宽比需要小于 1:4 或者 4:1，约3-5分钟生成1个视频。视频生成能力来自生数科技-vidu。（图生视频+文生视频 每天每人共可用6次）

植物识别（PlantRecognition），即对于输入的一张图片（可正常解码，且长宽比较合适），输出植物识别结果。图片支持jpg、jpeg、png格式。

百度AI搜索为百度搜索组件内置了大模型总结及更多AI能力，提供结合全网实时信息进行智能回复的问答功能，可支撑各行业丰富的场景应用。百度AI搜索与百度搜索相比，提供了大模型总结能力及工作流Agent和工作流功能（含API发布）。该组件支持付费后通过API独立调用，支持丰富标准化能力，API能力有：自定义人设、模型选择及配置（支持文心全系列、Deepseek V3/R1）、问题改写（包括时效和多轮两种方式）等。更多详情（如配置Deepseek模型）可通过API调用页面查看。

文档格式转换：识别文档内文字及版面布局，可将多种类型的版式文档转换为流式文档。API调用时对应“服务列表-智能文档分析-文档格式转换“。

风格写作组件（StyleWriting）是一款基于生成式大模型进行文本创作的工具，支持多种风格，包括B站、小红书等，适用于编写文案、广告等多种场景。

文本翻译组件（Translation）提供多种语言互译的在线文本翻译服务。支持术语定制功能，用户可对翻译结果进行干预，快速提高翻译质量。可广泛应用于移动端、PC网站、智能硬件等不同产品形态中，满足多领域、多场景的翻译需求。

二维码识别 (QRcodeOCR) 可对图片中的二维码、条形码进行检测和识别，返回存储的文字信息及其位置信息。图片支持jpg、jpeg、png格式。API调用时对应“服务列表-通用场景OCR-二维码识别”