日前，谷歌方面宣布旗下Gemini AI可支持更多类型的文件，可通过分析、摘录、洞察文档内容，为用户提供更优质的AI服务。据官方透露，目前已拥有Gemini Business、Enterprise、Education或Education Premium许可证的Workspace用户，即可从谷歌Drive或本地设备上传各种文件到Gemini实现相关功能。
据了解，在此次升级后，Gemini可支持电子表格、演示文稿、图像、音频、视频文件。具体而言，用户可通过将CSV、XLSX、ODS等格式的电子表格上传到Gemini，使得财务模型、销售报告等数据密集型文档的分析变得更轻松和高效。同时通过Gemini对这些数据的深度分析，也可以让用户能够更好地识别趋势、生成洞察，并优化决策过程。
文稿方面，用户上传PPTX、PDF和KEY等格式的演示文稿后，Gemini可对提取出其中的要点、总结内容，并识别图表和图像等视觉元素。图像方面，Gemini可分析JPEG、PNG和GIF等格式图像，提取出文本、识别对象，还能为视觉内容提供上下文。
而在音频方面，Gemini可识别MP3、WAV和FLAC等多种格式，并转录语音、识别发言人，从而总结访谈、播客和讲座中的要点。同时Gemini还可处理MP4、MOV和AVI等不同格式的视频文件，以及从演示文稿、纪录片和培训视频中提取脚本、识别场景，及总结关键点。
除此之外，Gemini还可根据用户输入的提示词，对所上传的文件进行针对性分析，同时还可提供改进写作和文档组织的建议，从而帮助用户提高理解、研究和写作能力。
此前在2023年12月，谷歌方面便推出了大模型Gemini 1.0。当时该模型的上下文窗口为32k，是基于谷歌自家TPUs v4和v5e进行的大规模训练，同时也是全球第一款原生多模态大模型。
【本文图片来自网络】
热门跟贴