Hiểu tài liệu

Các mô hình Gemini có thể xử lý tài liệu ở định dạng PDF, sử dụng thị giác tự nhiên để hiểu toàn bộ ngữ cảnh của tài liệu. Tính năng này không chỉ trích xuất văn bản mà còn cho phép Gemini:

• Phân tích và diễn giải nội dung, bao gồm cả văn bản, hình ảnh, sơ đồ, biểu đồ và bảng, ngay cả trong các tài liệu dài lên đến 1.000 trang.
• Trích xuất thông tin thành các định dạng đầu ra có cấu trúc.
• Tóm tắt và trả lời câu hỏi dựa trên cả yếu tố hình ảnh và văn bản trong tài liệu.
• Chuyển nội dung tài liệu thành văn bản (ví dụ: sang HTML), giữ nguyên bố cục và định dạng để sử dụng trong các ứng dụng tiếp theo.

Bạn cũng có thể truyền các tài liệu không phải là PDF theo cách tương tự, nhưng Gemini sẽ coi các tài liệu đó là văn bản thông thường, do đó sẽ loại bỏ các ngữ cảnh như biểu đồ hoặc định dạng.

Truyền dữ liệu PDF nội tuyến

Bạn có thể truyền dữ liệu PDF nội tuyến trong yêu cầu. Phương thức này phù hợp nhất với các tài liệu nhỏ hoặc quy trình xử lý tạm thời mà bạn không cần tham chiếu đến tệp trong các yêu cầu tiếp theo. Bạn nên sử dụng Files API cho các tài liệu lớn hơn mà bạn cần tham khảo trong các lượt tương tác nhiều vòng để cải thiện độ trễ của yêu cầu và giảm mức sử dụng băng thông.

Ví dụ sau đây cho thấy cách truyền dữ liệu PDF nội tuyến:

from google import genai
import base64

client = genai.Client()

with open('path/to/document.pdf', 'rb') as f:
    pdf_bytes = f.read()

interaction = client.interactions.create(
    model="gemini-3.6-flash",
    input=[
        {
            "type": "document",
            "data": base64.b64encode(pdf_bytes).decode('utf-8'),
            "mime_type": "application/pdf"
        },
        {"type": "text", "text": "Summarize this document"}
    ]
)

print(interaction.output_text)

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";

const ai = new GoogleGenAI({});

async function main() {
    const