文件解讀

Gemini API 支援 PDF 輸入內容，包括長文件 (最多 3600 頁)。Gemini 模型會使用原生視覺技術處理 PDF，因此能夠解讀文件中的文字和圖像內容。透過原生 PDF 視覺支援功能，Gemini 模型可執行以下操作：

  • 分析文件中的圖表、圖表和表格
  • 將資訊擷取至結構化輸出格式
  • 回答文件中圖像和文字內容的問題
  • 生成文件摘要
  • 將文件內容轉錄為 HTML 等格式，並保留版面配置和格式，以利於在後續應用程式中使用

本教學課程將示範幾種可能的使用方式，說明如何使用 Gemini API 處理 PDF 文件。

後續步驟

如要進一步瞭解相關內容，請參閱下列資源：

  • 檔案提示策略：Gemini API 支援使用文字、圖片、音訊和影片資料提示，這也稱為多模態提示。
  • 系統指令：系統指令可讓您根據特定需求和用途，控制模型的行為。