多模态实时互动
产品功能 多模态互动 输入和输出都支持多模态，支持对文本、图片、语音流、视频流等多模态内容的理解，输出也支持文本、语音、视频、等多模态内容 AI降噪 通过端侧和服务端的AI降噪算法，有效识别并消除常见的尖锐声、键盘声等非人声噪声，有效提升语音识别准确率，避免噪音误打断 智能打断 可以通过语音快速打断智能体的语音播报，也支持手动打断，实现贴近真人的自然交互体验 离线唤醒 支持定制唤醒词，通过说出预设的唤醒词离线唤醒设备
手写文字识别_手写文字识别在线 - 百度AI开放平台
将60秒以内的语音精准识别为文字，可适用于手机语音输入、智能语音交互、语音指令、语音搜索等短语音交互场景 短文本在线合成 基于业界领先的深度神经网络技术，提供高度拟人、流畅自然的语音合成服务，让您的应用、设备开口说话，更具个性 文本翻译 提供200+语种互译的在线文本翻译服务，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。
人像分割技术_人像分割算法_人像分割 - 百度AI开放平台
方案介绍 申请免费试用 即刻免费体验人像分割能力 公有云API最高可享5 QPS，50000次免费测试调用 立即使用 相关推荐 零门槛AI开发自助平台 零基础即可自助训练完成AI开发，涵盖图像、文本、语音、视频等多种场景，最快15分钟完成 人体检测与属性识别 检测图像中所有人体，识别20余类属性信息，包含性别年龄、服饰佩戴、行为动作等 人流量统计 统计图像中的人体个数和流动趋势，以头肩为识别目标统计人数
EasyDL_零门槛AI开发平台
、内容审核、内容生产等各类文本处理与分析的场景 EasyDL语音 语音识别 声音分类 定制语音识别模型，精准识别业务专有名词，适用于数据采集录入、语音指令、呼叫中心等场景，以及定制声音分类模型，用于区分不同声音类别 EasyDL视频 目标跟踪 视频分类 定制化分析视频片段内容
文字识别离线SDK_文字识别SDK_OCR SDK - 百度AI开放平台
SDK 在无网或弱网环境下，可在手机APP或故事机、机器人等智能硬件设备终端进行语音播报，将文字合成为声音，提供稳定一致、流畅自然的合成体验
数据标注服务_数据清洗
标注能力：10W 区域/天 应用场景——语言识别 语音清洗 语音转写 语音切分 音素标注 语音清洗 语音清洗通过技术清洗空音频，并由人工进行监听，筛选出符合要求的音频，基于百度标注基地人力可实现海量音频清洗，助力语音识别模型训练，可应用于智能家居、智能设备、智能客服、智慧门店等场景落地。
文字识别离线SDK
SDK 支持在无网或弱网环境下进行语音播报，为手机应用或AI玩具、机器人等智能硬件终端提供稳定一致、流畅自然的合成体验 了解详情 即刻体验 申请可获免费试用权限 立即使用
智能点播平台
模型赋能的视频全球化方案 视频翻译 大模型驱动，涵盖字幕/语音翻译、多语种、声音复刻、TTS，轻松实现视频全球化。
人体检测与属性识别_人体检测识别 - 百度AI开放平台
视频等多种场景，最快15分钟完成 人流量统计 统计图像中的人体个数和流动趋势，以头肩为主要识别目标统计人数，无需正脸、全身照 人像分割 识别人体的轮廓范围，与背景进行分离，适用于拍照背景替换、照片合成、人体特效等场景 手势识别 识别OK、拳头、比心、点赞、数字等24种常见手势，支持自拍、他人拍摄、各种拍摄角度 驾驶行为分析 针对车载场景，识别驾驶员使用手机、抽烟、不系安全带、双手脱离方向盘等违规行为
数据转换服务
数据转换服务 依托百度的OCR、语音识别、语音合成等AI能力，在大批量证照票据的文字识别、会议会谈记录归档、通知新闻播报等场景，提供图片、音频、文本文件的数据转换服务，支持多种类型格式文件的混合转换，无需具备编码能力即可快速获取转换结果。 咨询请拨打24小时服务电话400-920-8999转2。
