О чём урок
В этом блокноте показано, как преобразовать файл PDF, чтобы его мог прочитать Gemini API.
Первая задача — установить Python SDK google-genai и получить ключ API. Если у вас его нет, вы можете получить его в Google AI Studio: Получить ключ Gemini API. Если вы новичок в Google Colab, ознакомьтесь с кратким руководством).
После того как у вас есть SDK и ключ API, вы можете создать клиент и определить модель, которую вы собираетесь использовать, новую модель Gemini Flash, которая доступна через бесплатный уровень с 1500 запросами в день (по состоянию на 2025-02-06).
Примечание: Если вы хотите использовать Vertex AI, см. здесь, как создать свой клиент
Модели Gemini способны обрабатывать изображения и видео, которые могут использоваться со строками base64 или с помощью API files. После загрузки файла вы можете напрямую включить URI файла в вызов. Python API включает методы upload и delete.
Для этого примера у вас есть 2 образца PDF, один базовый счет и одна форма с рукописными значениями.
Теперь вы можете загрузить файлы, используя наш клиент с методом upload. Давайте попробуем это для одного из файлов.
Примечание: File API позволяет хранить до 20 ГБ файлов на проект, при этом максимальный размер файла составляет 2 ГБ. Файлы хранятся в течение 48 часов. К ним можно получить доступ в течение этого периода с помощью вашего ключа API, но их нельзя загрузить. Загрузка файлов доступна бесплатно.
После загрузки файла вы можете проверить, сколько токенов он был преобразован. Это не только помогает нам понять контекст, с которым вы работаете, но и помогает отслеживать стоимость.
Structured Outputs — это функция, которая гарантирует, что Gemini всегда генерирует ответы, соответствующие предопределенному формату, такому как JSON Schema. Это означает, что у вас больше контроля над выводом и тем, как интегрировать его в наше приложение, поскольку гарантируется возврат действительного объекта JSON с определенной вами схемой.
Gemini 2.0 в настоящее время…
План урока
- 1. Настройка среды и создание клиента для вывода
- 2. Работа с PDF и другими файлами
- 3. Структурированные выводы с Gemini 2.0 и Pydantic
- 4. Извлечение структурированных данных из PDF с помощью Gemini 2.0
- Invoice.pdf
- handwriting_form.pdf
- Узнать больше
- Порядок свойств с Gemini 2.0
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.