短文本语音合成 - 千帆AI应用开发者中心-API参考qianfan-api | 百度智能云文档
本接口支持将短文本转换为音频，适用于对于实时性要求较高的业务场景，例如实时播报、智能硬件、数字人等。 如您希望将大量文本合成为语音，请使用 长文本语音合成 接口。长文本在线合成可将10万字以内文本一次性合成，异步返回音频。 POST https://tsn.baidu.com/text2audio 调试 单次请求最长1024GBK字节，请求的文字数越多则耗时越长。
[AI行业案例]-iOCR助力高校智能化管理CET考生信息
使用产品 自定义模板文字识别 支持与交流 AI社区 教学视频 文档中心 SDK下载 iOCR助力高校智能化管理CET考生信息 价值成果 苏州白鸽云通过集成百度iOCR (自定义模板文字识别)技术，成功搭建高校CET考生信息管理系统，使得高等院校对考生信息及考试成绩的管理，更加便捷高效。
核心功能 - 视频创作分发平台VideoWorks | 百度智能云文档
类别 说明 智能入库 通过智能审核功能，将入库媒资提前自动过滤，审核内容包括但不限于： ·暴恐审核：精准识别图像中是否包含杀人流血场景、暴恐袭击场景、恐怖分子头目照片、恐怖组织的旗帜、暴力行为等内容，准确率可达94%以上；避免产品涉及暴恐风险； ·涉政审核：精准识别图像中的政治人物，最小识别人脸80px*80px，保持高准召；利用文字和音频审核，规避财经类股评里提及政治敏感问题； ·在广告审核方面：
度小满支付
解决方案 度小满支付通过结合自身技术+百度OCR文字识别-卡片证照识别（银行卡识别）能力，实现用户在注册绑卡环节，直接拍照扫描提取银行卡号。 第一步：进入银行卡添加界面，选择要绑定的银行卡。 通过自身技术（预处理）+百度OCR文字识别-卡片证照识别（银行卡识别）接口能力，对需绑定的银行卡进行识别读取。
知识库高级解析服务计费公告 - 百度千帆·大模型服务及Agent开发平台
各类文件的基础解析与高级解析服务范围包括： 知识类型 基础解析服务（免费） 高级解析服务（收费） 文本文档 • 文字提取 • 版面分析（含表格解析） • 图片文字识别（OCR） • 图片内容理解（VLM） • 图表解析 • 公式解析 • 知识增强 • 知识图谱 表格型 • 表格内容解析 • 知识增强 网页链接 • 网页内容解析 • 知识增强 • 知识图谱 图片 • 手动解析 • 图片文字识别（OCR
[AI行业案例]-iOCR让通用机打发票个性化信息提取“so easy！”
第一步：采用高速扫描仪将纸质发票转化为电子化发票信息； 第二步：使用百度iOCR自定义模板文字识别技术创建发票识别模板，实现结构化提取模板中的指定文字信息，如发票代码、发票号码、收款方识别号等9类必要信息； 第三步：提取出的发票信息与业务数据（开票信息）比对； 第四步：开票信息与发票信息匹配成功后，实现账目自动核销。
声音分类整体说明 - EasyDL零门槛AI开发平台 | 百度智能云文档
声音分类整体说明 什么是声音分类模型 声音分类 是指可以定制识别出当前音频是哪种声音，或者是什么状态/场景的声音。 EasyDL声音分类可以定制的模型更多可以区分出不同物种发出的声音，如果希望定制声纹识别模型（如区分出当前音频是谁的声音），目前用EasyDL声音分类暂时无法解决。
创建知识库 - 百度千帆·大模型服务及Agent开发平台
导入图片时，支持使用OCR文字识别或VLM图片理解进行自动解析，或人工添加图片描述信息。 3.1.5 导入音频文件 选择导入音频文件 导入来源 文件限制 本地上传 百度对象存储(BOS-公有云可用) 1. 文件数量：单次上传文件数量为100个； 2.支持格式：支持.wav/.mp3/.pcm/.m4a/.amr等格式； 3. 大小限制： 单音频文件不能超过500MB。
[AI行业案例]-百度大脑助力Flyme系统安全便捷
解决方案 1.对于帮助使用者快速检索、提取图片中的信息部分，魅族通过接入百度大脑通用文字识别服务来实现。 百度大脑通用文字识别服务基于业界领先的深度学习技术，支持多场景下的文字检测以及多种语言的识别，该识别方案被整体集成到魅族手机操作系统 Flyme 之中供多个系统业务调用。通过系统智能引擎 One Mind，为多项系统功能提供文字识别的能力。
度小满支付
解决方案 度小满支付通过结合自身技术+百度OCR文字识别-卡片证照识别（银行卡识别）能力，实现用户在注册绑卡环节，直接拍照扫描提取银行卡号。 第一步：进入银行卡添加界面，选择要绑定的银行卡。 通过自身技术（预处理）+百度OCR文字识别-卡片证照识别（银行卡识别）接口能力，对需绑定的银行卡进行识别读取。
