API Gemini поддерживает ввод PDF-файлов, включая длинные документы (до 3600 страниц). Модели Gemini обрабатывают PDF-файлы с использованием встроенного видения и поэтому способны понимать как текстовое, так и графическое содержимое внутри документов. Благодаря встроенной поддержке PDF-файлов модели Gemini могут:
- Анализируйте диаграммы, диаграммы и таблицы внутри документов.
- Извлекайте информацию в структурированные выходные форматы.
- Отвечать на вопросы о визуальном и текстовом содержимом документов.
- Обобщить документы.
- Транскрибируйте содержимое документа (например, в HTML), сохраняя макеты и форматирование, для использования в последующих приложениях (например, в конвейерах RAG).
В этом руководстве демонстрируются некоторые возможные способы использования API Gemini с документами PDF. Весь вывод является только текстовым.
Что дальше
В этом руководстве показано, как generateContent и генерировать выходные данные из обработанных документов. Чтобы узнать больше, посетите следующие ресурсы:
- Стратегии запроса файлов . API Gemini поддерживает запросы с текстовыми, графическими, аудио- и видеоданными, также известные как мультимодальные запросы.
- Системные инструкции . Системные инструкции позволяют вам управлять поведением модели в зависимости от ваших конкретных потребностей и вариантов использования.
- Рекомендации по безопасности . Иногда генеративные модели искусственного интеллекта дают неожиданные результаты, например, неточные, предвзятые или оскорбительные. Постобработка и человеческая оценка необходимы для ограничения риска вреда от таких результатов.