Gemini API 更新:可直接传入 Office 文件并支持多模态内容切片
摘要
Gemini API 于 11 月 18 日更新,支持直接传入 Word、PowerPoint、Excel 等 Microsoft Office 和 OpenDocument 文件,并可在提示词和函数响应中切片文档、表格、视频和音频。用户可按页码、工作表标签、单元格范围、时间区间或内容层选取所需内容,仅处理和支付需要的部分。
11 月 18 日,Gemini API 迎来一次功能更新,核心变化在于输入侧的扩展:开发者现在可以直接将 Word、PowerPoint、Excel 等 Microsoft Office 文件以及 OpenDocument 格式文件传入 API,无需事先做格式转换。
与文件直传同步上线的还有多模态内容切片能力。该能力覆盖文档、表格、视频和音频,并可在提示词与函数响应两种场景中使用,意味着调用方能够对输入内容做更细粒度的定位。
具体而言,切片维度包括按页码区间、按工作表标签、按单元格范围、按时间区间,以及按内容层选取——例如页面图片、提取文本、公式或视频转录。开发者可以只处理并支付实际需要的那部分内容,而不必为整份文件整体计费。
对依赖文档解析与多模态处理的 AI 应用而言,这一更新减少了预处理环节的工程负担,也让按需计费在文件级输入上具备了更细的操作空间。
本文由新大陆基于公开信息编辑整理
信息来源:AIHOT AIHOT原文 ↗