OCR 图文转换器
OCR 图文转换器 识别图片/PDF文档版面布局，提取文字内容，并转换为保留原文档版式的Word、Excel文档，方便二次编辑和复制，可支持含表格、印章、水印、手写等内容的文档。
[AI行业案例]-百度语音AI技术，做盲人的“眼睛”
第二步：盲人用户长按按键，说话的内容将会通过设备（手机）传入到百度内部服务器进行转写，系统将会通过接收到的文字进行功能的调用。 第三步：打开拍照语音功能打开拍照功能，将摄像头对准要识别的物品，使用图片识别功能将图片高效快速的传入图片识别的服务器中，进行识别，返回的文字在一次传入百度语音合成的服务中进行操作，之后通过设备进行播放。
产品更新动态 - 语音技术
适用场景： 语音助手、情感陪伴、呼叫中心、在线教育、智能硬件 接入文档： 端到端语音语言大模型Android SDK 、 端到端语音语言大模型iOS SDK 2025-06-06 语音合成、识别支持HarmonyOS SDK 产品分类： 语音合成、语音识别 功能描述： 支持将语音合成与语音识别能力集成至HarmonyOS系统应用，支持无网或弱网环境下的文字合成语音与语音快速准确识别为文字。
资源领取&应用创建 - 语音技术
通过编写代码调用语音技术服务 API 如果您是开发工程师，熟悉代码编写，您可以通过编写代码的方式调用文字识别服务。具体请参见 如何用代码调用 。 通过软件开发工具包（HTTP-SDK）调用语音技术服务 如果您是开发工程师，熟悉代码编写，您可以通过已编写好的软件开发工具包（HTTP-SDK）来调用文字识别服务 API 。
常见问题汇总 - 语音技术
4.Android高亮当前在读的文字 onSpeechProgressChanged()根据播放音频的时长百分比回调进度，由于每个字的发音不是等长的，和实际读的文字会有误差。当一次合成的文件较长时，误差尤为明显。 5. Android播放过程中切换发音人 在线发音人， 要求在引擎空闲时切换。 SDK内部有合成队列和播放队列。其中合成队列独立，调用的句子在合成队列结束后加入播放队列。
[AI行业案例]-OCR助力大宗货运物流交易提效
使用产品 iOCR自定义模板文字识别 磅单识别 支持与交流 AI社区 教学视频 文档中心 SDK下载 OCR助力大宗货运物流交易提效 价值成果 货大大打造煤炭运力交易平台“运销宝”，为煤炭货主和司机提供运力匹配、运输监控、在线结算等服务。在结算环节，应用iOCR通用版，个性化定制磅单识别模板，解决大宗商品交易磅单数据录入问题。司机仅需拍摄、上传磅单图片，即可识别录入车牌号、时间、净重等关键信息。
音频文件转写API - 语音技术
音频文件转写API 接口描述 音频文件转写接口可以将大批量的音频文件异步转写为文字。适合音视频字幕生产、批量录音质检、会议内容总结、录音内容分析等场景，一般12小时内返回识别结果。 当前接口新增支持 pid=8953，具备话者分离能力，可在单声道或多人对话音频中自动区分不同说话人，并在转写结果中返回对应的话者标识，便于后续进行会议纪要整理、客服质检、访谈分析等精细化处理。
[AI行业案例]-百度OCR助力政务审批智能化
解决方案 政务智能审批平台通过集成百度大脑iOCR自定义模板文字识别和通用文字识别技术，对用户提交的图片材料中的文字信息进行结构化识别。同时将提取出的结构化信息，与申请事项预设的规则，进行自动化比对与校验。提高了审批人员的审批效率和准确性。
API使用文档 - EasyDL零门槛AI开发平台 | 百度智能云文档
name 否 string 价签中的商品名称 +price 否 string 价签中的价格 +brief 否 string 价签中的其它文字信息 +location 否 价签的像素位置 ++left 否 number 检测到的目标主体区域到图片左边界的距离 ++top 否 number 检测到的目标主体区域到图片上边界的距离 ++width 否 number 检测到的目标主体区域的宽度 ++height
[AI行业案例]-百度大脑助力中小学人工智能课程体系建设
使用产品 通用文字识别 语音识别 语音合成 智能创作平台 图像识别 人脸识别 支持与交流 AI社区 教学视频 文档中心 SDK下载 百度大脑助力中小学人工智能课程体系建设 价值成果 通过引入百度大脑的语音识别、语音合成、文字识别、图像识别、智能创作、人脸识别等技术能力，卓世未来建设了适合人工智能新学科教学的技术平台，完成K12人工智能学科课程体系的打造，实现了从课程到平台、从教学到测评、从实验室建设到师资队伍培训的完整解决方案和服务体系
