API Gemini hỗ trợ nhập PDF, bao gồm cả tài liệu dài (tối đa 3.600 trang). Các mô hình Gemini xử lý tệp PDF bằng công nghệ thị giác gốc, nhờ đó có thể hiểu được cả nội dung văn bản và hình ảnh bên trong tài liệu. Với tính năng hỗ trợ thị giác PDF gốc, các mô hình Gemini có thể:
- Phân tích sơ đồ, biểu đồ và bảng trong tài liệu.
- Trích xuất thông tin thành các định dạng đầu ra có cấu trúc.
- Trả lời câu hỏi về nội dung hình ảnh và văn bản trong tài liệu.
- Tóm tắt tài liệu.
- Bản chép lời nội dung tài liệu (ví dụ: sang HTML) giữ nguyên bố cục và định dạng để sử dụng trong các ứng dụng hạ nguồn (chẳng hạn như trong quy trình RAG).
Hướng dẫn này minh hoạ một số cách có thể sử dụng API Gemini với tài liệu PDF. Tất cả đầu ra đều chỉ ở dạng văn bản.
Bước tiếp theo
Hướng dẫn này cho biết cách sử dụng generateContent và cách tạo đầu ra văn bản từ các tài liệu đã xử lý. Để tìm hiểu thêm, hãy xem các tài nguyên sau:
- Chiến lược nhắc tệp: Gemini API hỗ trợ nhắc bằng dữ liệu văn bản, hình ảnh, âm thanh và video, còn gọi là nhắc đa phương thức.
- Hướng dẫn hệ thống: Hướng dẫn hệ thống cho phép bạn điều hướng hành vi của mô hình dựa trên các nhu cầu và trường hợp sử dụng cụ thể.
- Hướng dẫn an toàn: Đôi khi, các mô hình AI tạo sinh tạo ra kết quả không mong muốn, chẳng hạn như kết quả không chính xác, thiên vị hoặc phản cảm. Quy trình xử lý hậu kỳ và đánh giá của con người là điều cần thiết để hạn chế rủi ro gây hại từ những kết quả như vậy.