百度AI十一月产品上新和功能升级集锦

关注

最新推荐文章于 2026-08-20 18:40:09 发布 · 484 阅读

转载 ·

本内容遵循 CC 4.0 BY-SA 版权协议

原文链接：http://ai.tuidc.com/zixun/4099.html

【MMDetection3.0实战】从零构建自定义数据集训练流程本文详细介绍了使用MMDetection3.0框架从零开始构建自定义目标检测数据集的完整训练流程。内容涵盖环境配置、COCO格式数据准备、核心代码改造、模型配置与训练策略调优，以及最终的模型测试与验证，帮助开发者快速上手并训练自己的检测模型。阅读详情

　　今天给大家分享的是百度AI十一月产品上新和功能升级集锦的相关内容，下面我们一起来了解下！

　　十一月BML预置模型调参再添新利器，新增文字识别模型，可识别20+语种，支持图片的文字标注，预置飞桨独家PP-OCR模型，支持表单式建模，为开发者提供更便捷的“炼丹”方式。EasyDL图像分类上线「免训练极速迭代模式」，数据新增无需训练可得新模型，可广泛适用于数据集量大、模型迭代频繁的业务场景，如零售快消行业等。
　　#重点抢先看#
　　BML预置模型调参新增文字识别模型，可识别20+语种
　　支持20+语种的文字识别，可广泛处理国际合同、外语教材等多语种场景
　　支持图片的文字标注，OCR的图片在线标注便捷又可靠
　　预置飞桨独家PP-OCR模型，支持用户自行上传数据进行重训，并进行API服务部署和调用
　　支持表单式建模，为开发者提供更便捷的炼丹方式

　　快速体验https://ai.baidu.com/bml/
　　业界领先！EasyDL图像分类上线「免训练极速迭代模式」，数据新增无需训练可得新模型【全新发布】
　　功能优势：开发者在图像分类任务下选择快速迭代模式，新增标签/数据时无需再次训练即可更新模型，极大提高开发效率
　　典型场景：广泛适用于数据集量大、模型迭代频繁的业务场景，如零售快消行业等
　　快速体验https://ai.baidu.com/easydl/

　印章识别【正式商用】
　　支持检测并识别合同文件或常用票据中的印章，输出文字内容及印章位置信息，支持圆形章、椭圆形章、方形章等常见印章；多档次数包火热开售，单次调用低至0.008元。
　　查看详情https://ai.baidu.com/tech/ocr/seal
　　智能财务票据识别【正式商用】
　　支持13类常见财务票据智能分类及结构化识别，无需提前手动分类，可自动切分识别粘贴在同一张A4纸上的多张不同票据；同时可返回发票验真所需的6要素信息，方便快速对接验真服务；多档次数包火热开售，单次调用低至0.03元。
　　立即体验https://ai.baidu.com/tech/ocr/multiple_invoice
　　出生证明识别【正式商用】
　　结构化识别出生医学证明的23个关键字段，可用于新生儿身份登记、入学登记、生育险报销等场景；多档规格“次数包”火热开售，单次调用低至0.018元。
　　查看详情https://ai.baidu.com/tech/ocr_cards/birth_certificate
　　快递面单识别离线SDK【能力升级】
　　结构化识别各类常见版式面单的4个关键字段信息：收/寄件人手机号、运单号、条形码；新增支持各角度旋转面单识别，贴近真实业务拍摄场景；同时专项优化京东、顺丰面单版式识别效果，大幅提升手机号、运单号字段的识别准确率。支持Android、iOS操作系统，可集成在手机、PDA巴枪、驿站高拍仪等设备中，毫秒级响应，节省派送过程中的每一秒。
　　申请免费试用
　　https://ai.baidu.com/consultation/cooperation?referrerUrl=/tech/ocr_sdk
　　通用文字识别高精度版/高精度含位置版【能力升级】
　　新增长图识别能力，最长可支持边长8192px，大小在10M以内的图片文字识别；支持英文内容按照单词维度输出结果，方便提取单词粒度文本进行业务开发。针对包含弯曲文本、艺术字体、特殊符号等文字内容，以及含多余背景、低像素、非均匀光照等复杂场景下的文本数据专项优化，基于百度自研文字识别算法方案，增强语义理解能力，提高文本特征鲁棒性，大幅提升识别准确率，助力各行各业准确快速提取业务图片中的文本内容。
　　查看详情https://ai.baidu.com/tech/ocr/general

　　文本审核【能力升级】
　　新增近千条词典内容，覆盖最新公布的“清朗·‘饭圈‘乱象整治”专项行动中，所涉及的政治人物敏感词汇、劣迹艺人等，实时降低业务风险。
　　专项优化在史料及基层公务员职位名称场景下的识别准确率，有效降低人工复审成本。
　　立即体验https://ai.baidu.com/tech/textcensoring

长文本在线合成产品【全新发布】
　　可将超长文本快速转换成稳定流畅、饱满真实的音频。最高支持10万字文本一次性合成，提供多种优质音库选择，广泛应用于阅读听书、新闻播报等场景。
　　查看详情https://ai.baidu.com/tech/speech/long_tts
　　离线合成Android SDK【能力升级】
　　新增对在离线混合模式下5G网络的支持，提升稳定性。
　　查看详情https://ai.baidu.com/ai-doc/SPEECH/Qk4nwu25z

　　飞桨企业版-零门槛AI开发平台EasyDL
　　EasyDL物体检测新增支持自定义四边形识别，解决轮廓复杂物体标注难题！【能力升级】
　　功能优势：相较于此前矩形标注，能够更贴合目标物体的轮廓进行标注。从而获得识别度更准确的模型
　　典型场景：适用于目标物体形状不规则、倾斜或异形，自定义四边形可以提供更精准的标注功能
　　EasyDL物体检测超高精度算法迭代升级，预测时延平均缩短一半以上！【能力升级】
　　对EasyDL物体检测任务的超高精度算法进行性能优化，效果显著。以工业质检流水线场景为例，此前流水线一个零件是否存在瑕疵的预测，结果返回时间平均为3400ms，上线后该时间平均缩短为1400ms，极大提高了场景应用的落地效率。
　　快速体验https://ai.baidu.com/easydl/
　　飞桨企业版–全功能AI开发平台BML
　　BML预付费小时包特惠上线，最低1.2元/小时【能力升级】
　　BML新增预付费小时包，包含GPU/CPU等多种规格训练算力，适用于预置模型调参、Notebook训练、自定义作业等多种训练方式，速度快、资费低，训练算力最低仅1.2元/小时。
　　快速体验https://ai.baidu.com/bml/
　　飞桨PaddlePaddle开源深度学习平台
　　PaddleDetection v2.3：发布业界SOTA模型，开源实时跟踪系统【全新升级】
　　移动端超轻量目标检测算法PP-PicoDet
　　PP-PicoDet采用百度自研的超轻量、高精度骨干网络--ESNet，其系列中的PP-PicoDet-S_320参数量仅0.99M，精度可达到30.6%mAP，推理速度可达150FPS。
　　超轻量多人关键点算法PP-TinyPose
　　速度在FP16下122FPS的情况下，精度可达到51.8%AP。对关键点检测人数无上限，针对大尺幅图像中的小目标及多人同时检测等产业场景，精度和速度都有显著优势。
　　超强实时跟踪系统PP-Tracking
　　提供跨镜头跟踪、人流/车流计数等系列能力与应用，覆盖人、自行车、小轿车等上十种目标类型，同时覆盖小目标等复杂场景；内置业界领先的跟踪算法DeepSort、FairMOT，结合百度自研特色ReID和明星检测模型，灵活适配多种场景，高精且实时。
　　快速体验https://github.com/PaddlePaddle/PaddleDetection