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.
- Извлечение информации в структурированные выходные форматы
- Отвечать на вопросы о визуальном и текстовом содержимом документов.
- Обобщить документы
- Транскрибируйте содержимое документа (например, в HTML) с сохранением макетов и форматирования для использования в последующих приложениях.
В этом руководстве демонстрируются некоторые возможные способы использования API Gemini для обработки PDF-документов.
Что дальше
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.