दस्तावेज़ को समझना

Gemini मॉडल, PDF फ़ॉर्मैट में मौजूद दस्तावेज़ों को प्रोसेस कर सकते हैं. इसके लिए, वे नेटिव विज़न का इस्तेमाल करते हैं, ताकि पूरे दस्तावेज़ के कॉन्टेक्स्ट को समझा जा सके. यह सिर्फ़ टेक्स्ट निकालने से ज़्यादा काम करता है. इससे Gemini ये काम कर सकता है:

  • टेक्स्ट, इमेज, डायग्राम, चार्ट, और टेबल जैसे कॉन्टेंट का विश्लेषण करें और उसे समझें. यह सुविधा, 1, 000 पेजों तक के लंबे दस्तावेज़ों के लिए भी उपलब्ध है.
  • जानकारी को स्ट्रक्चर्ड आउटपुट फ़ॉर्मैट में एक्सट्रैक्ट करें.
  • किसी दस्तावेज़ में मौजूद विज़ुअल और टेक्स्ट, दोनों के आधार पर खास जानकारी पाना और सवालों के जवाब देना.
  • दस्तावेज़ के कॉन्टेंट को ट्रांसक्राइब करना.जैसे, एचटीएमएल में. साथ ही, लेआउट और फ़ॉर्मैटिंग को बनाए रखना, ताकि इसका इस्तेमाल डाउनस्ट्रीम ऐप्लिकेशन में किया जा सके.

इसी तरह, PDF फ़ॉर्मैट के अलावा अन्य फ़ॉर्मैट वाले दस्तावेज़ भी पास किए जा सकते हैं. हालांकि, Gemini उन्हें सामान्य टेक्स्ट के तौर पर देखेगा. इससे चार्ट या फ़ॉर्मैटिंग जैसे कॉन्टेक्स्ट नहीं दिखेंगे.

पीडीएफ़ डेटा को इनलाइन पास करना

अनुरोध में, PDF डेटा को इनलाइन पास किया जा सकता है. यह सुविधा, छोटे दस्तावेज़ों या कुछ समय के लिए प्रोसेस किए जाने वाले दस्तावेज़ों के लिए सबसे सही है. इसमें आपको बाद के अनुरोधों में फ़ाइल का रेफ़रंस देने की ज़रूरत नहीं होती. हमारा सुझाव है कि बड़े दस्तावेज़ों के लिए, Files API का इस्तेमाल करें. इससे आपको सिलसिलेवार बातचीत के दौरान, दस्तावेज़ों को रेफ़र करने में मदद मिलेगी. साथ ही, इससे अनुरोध के जवाब मिलने में लगने वाला इंतज़ार का समय कम होगा और बैंडविथ का इस्तेमाल भी कम होगा.

यहां दिए गए उदाहरण में, पीडीएफ़ डेटा को इनलाइन पास करने का तरीका बताया गया है:

Python

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)

JavaScript

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

const ai = new GoogleGenAI({});

async function main() {
    const pdfData = fs.readFileSync("path/to/document.pdf", {
        encoding: "base64"
    });

    const interaction = await ai.interactions.create({
        model: "gemini-3.6-flash",
        input: [
            { type: "text", text: "Summarize this document" },
            {
                type: "document",
                data: pdfData,
                mime_type: "application/pdf"
            }
        ]
    });
    console.log(interaction.output_text);
}

main();

REST

PDF_PATH="path/to/document.pdf"

if [[ "$(base64 --version 2>&1)" = *"FreeBSD"* ]]; then
  B64FLAGS="--input"
else
  B64FLAGS="-w0"
fi

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.6-flash",
    "input": [
      {
        "type": "document",
        "data": "'$(base64 $B64FLAGS $PDF_PATH)'",
        "mime_type": "application/pdf"
      },
      {"type": "text", "text": "Summarize this document"}
    ]
  }'

प्रोसेस करने के लिए, डिवाइस पर मौजूद PDF फ़ाइल भी अपलोड की जा सकती है:

Python

from google import genai

client = genai.Client()

uploaded_file = client.files.upload(file="file.pdf")

interaction = client.interactions.create(
    model="gemini-3.6-flash",
    input=[
        {"type": "document", "uri": uploaded_file.uri, "mime_type": uploaded_file.mime_type},
        {"type": "text",