第一，語音的能力。包括語音識別能力和語音合成能力。
第二，圖像的能力。圖像能力指的是看到一個圖片，不僅能看得見，還能看得懂。按照技術界的說法，它應該是計算機視覺。
第三，自然語言處理能力。自然語言處理能力比語音和圖像更難。語音和圖像技術更多還處在認知的階段，而自然語言理解除了要有認知能力之外，還需要邏輯推理能力、規(guī)劃能力等等，同時也需要依賴于更為強大的知識圖譜。
第四，用戶畫像。用戶畫像在傳統(tǒng)的AI中并不是主流。但是今天，我們每時每刻都可以收集很多很多和用戶行為相關的數(shù)據，就可以對用戶做很好的畫像，而這里面使用的技術又基本上都是與人工智能相關的。
百度大腦的另一種語音能力——語音合成。
基于大數(shù)據與深度學習技術優(yōu)勢，百度的新型情感語音合成系統(tǒng)能夠讓機器擺脫平鋪直敘的發(fā)聲，為用戶帶來更自然、更接近真人朗讀的聽覺體驗。目前，百度每天響應的語音合成的請求達到了2.5億次。
在情感語音合成技術上線后，用語音聽小說的百度用戶從過去平均每天聽0.69小時，增長到現(xiàn)在的2.21小時。語音合成的能力對用戶的App使用黏性的提升是非常顯著的。
