百度大脑是百度提供的人工智能技术与应用平台，面向开发者和企业提供覆盖语音、文字识别、人脸与人体、图像、语言与知识、视频以及大模型语音等方向的技术能力。平台既提供可在线体验的AI能力，也提供API在线调试、文档中心、SDK下载等开发资源，并通过智能客服、数字员工、合同智能化、人脸实名认证、智能语音会议、有声阅读等方案服务产业场景。其产品形态不局限于单一模型或单一工具，而是将多类识别、分析、生成和行业方案集中在同一平台中。
核心功能
语音技术与大模型语音
平台提供短语音识别、实时语音识别、音频文件转写、语音合成、语音翻译和实时语音翻译等能力，并设有短文本在线合成、长文本在线合成、流式文本在线合成和定制音库。大模型语音方向包含端到端语音语言大模型、大模型声音复刻和大模型语音合成；官网介绍声音复刻支持情感精准可控、方言灵活切换，端到端语音语言大模型则已正式商用。
OCR与卡证票据识别
文字识别能力覆盖通用文字、办公文档、表格、手写文字、文档解析、智能结构化、印章、二维码、网络图片文字和数字识别。平台还提供行驶证、驾驶证、车牌、VIN码、快递面单、身份证、银行卡、营业执照、护照等卡证识别，以及发票、银行单据、差旅报销票据、医疗发票和购物小票等财务与医疗票据识别。通用卡证票据识别支持全品类卡证、票据的结构化信息抽取。
人脸、人体与行为分析
人脸识别云服务包括人脸关键点、人脸检测与属性分析、人脸对比、人脸搜索、活体检测和合成图检测，并提供人脸实名认证解决方案。人体与行为分析方向包含人体关键点识别、人体检测与属性分析、人流量统计、手部分析与跟踪以及驾驶行为分析。对于需要本地运行的场景，官网列出了人脸离线识别SDK及 Android、Windows、Linux arm、海思和RV1109版本。
图像识别、搜索与处理
图像能力涵盖通用物体和场景识别、看图识万物、图像内容理解、植物识别、动物识别、车型识别、车辆检测、菜品识别、地标识别、果蔬识别、品牌logo识别和图像主体检测。图像搜索提供相同图片搜索、相似图片搜索、商品图片搜索、绘本图片搜索和面料图片搜索；图像增强与处理则包括图像清晰度增强、图像无损放大、图像修复、智能抠图、AI修图、黑白图像上色、图像风格转换和人像动漫化。
语言理解、文档分析与翻译
平台提供地址识别、文本纠错、情感倾向分析、评论观点抽取、对话情绪识别、词法分析、实体分析、短文本相似度、关键词提取和文本信息提取等语言理解能力。智能文档分析平台包含文档解析、文档抽取、合同审查、文档比对和文档格式转换；机器翻译方向覆盖文本翻译、领域翻译、大模型文本翻译、大模型文档翻译、图片翻译、语音翻译和实时语音翻译，官网资讯显示大模型文档翻译支持多格式文档和200+语言。
视频、安全与行业解决方案
视频方向提供短视频审核、长视频审核、视频流审核、AI成片、视频封面选取、视频对比检索和视频内容分析，并支持EasyDL定制视频理解。企业场景方案包括智能客服、数字员工、合同智能化、人脸实名认证、智能语音会议、有声阅读、安全生产和数字化访销；其中智能客服面向语音、PC、移动端等终端渠道，提供各类垂直领域的专业化智能客服能力。
使用方式
平台提供AI体验中心，可在线demo演示并体验70+AI能力；同时提供管理控制台、账户中心和财务中心。开发者可以使用API在线调试、文档中心和SDK下载，并访问GitHub上的百度AI相关资源。官网登录说明为“使用baidu.com 账号登录 ai.baidu.com”，页面还列出服务协议、订购协议和隐私协议。正文未说明具体API调用流程、导入导出方式或是否需要自备模型Key。
适用人群与场景
开发者可使用文字识别、语音、图像、人脸和语言理解能力开发应用，并通过API在线调试、文档和SDK接入。企业客服团队可将智能客服用于语音、PC和移动端渠道；财务、法务及档案团队可使用票据识别、文档抽取、合同审查、文档比对和格式转换。教育、交通、医疗、零售和文娱传媒等行业也可根据官网列出的客户案例，使用拍照搜题、OCR下单、医疗理赔、有声阅读和智能创作等场景方案。
定价
官网提供“产品价格”入口，并展示多种试用与促销信息：AI体验中心可免费体验70+AI能力，AI新手入门标注“0元试用 首购1元”；OCR新购1元起，通用卡证票据识别低至0.04元/次。端到端语音语言大模型页面标注最高享100万免费tokens。不同技术能力和方案的价格以官网对应产品规则为准。
